这是一本关于预测与控制的学位论文，它综述了预测控制的基本情况，叙述了几种典型的控制算法，论述了控制模型、闭环性能和参数设计等问题，对目前正在发展的非线性预测控制和神经网络预测控制进行了研究和探讨。 在控制算法方面，本文选择了几种富有典型意义的算法，推导了它们的控制律，给出了算法步骤，结合液位对象介绍了算法的使用和仿真情况，在该例的算法中，将自校正技术引入动态矩阵控制，使得该算法的适应性和鲁棒性进一步提高。整个算法表述具有简洁明了，编程方便，利于计算的特点。 在预测控制系统分析和设计方面，针对预测控制算法中使用多种模型形式的情况，本文揭示了不同模型之间的关系，给出了相应的转换公式，为预测控制系统的分析和设计提供了方便：通过对预测控制系统闭环特性的分析，说明了内模控制是分析各类预测控制系统的有力工具；在已有预测控制稳定性和鲁棒性结论的基础上，定性地论述了设计参数与系统控制性能之间的关系，并用实例加以验证，这对预测控制系统的设计具有指导意义。 在非线性预测控制方面，先后考虑了近似法、Hammerstein模型法和具有外输入的自回归(简称NARX)模型法。对基于Hammerstein模型的预测控制中采用近似法求根引起的问题，进行了深入的研究，得出了确定的结论；文章认为，用具有外输入的自回归模型逼近非线性，并用格热姆—施密特正交法简化结构，是一种较好的非线性处理方法，适合非线性预测控制，理论上有参考价值。 将人工神经网络技术用于预测控制系统是一项新的研究课题，文章就如何用神经网络构建预测器和控制器，实现输出预估和模型求逆，提高网络训练速度，改善控制质量，提出了具体的思想和措施，如：对BP神经网络改三层结构为两层，对RBF网络除调整连接权外，增加调节网络中心向量和形状参数，仿真证明，这些改进是有效的，为神经网络预测控制的研究提供了有益的经验。