预测控制是年近来受到人们关注的一类新型计算机控制算法,由于采用了多步模型预测、滚动优化和反馈校正三个基本策略,获取了更多的系统运行信息,因而能克服各种不确定性和复杂变化的影响.预测控制以其易于实现、控制综合质量好的优点,已在各种复杂工业过程控制中获得了成功的应用.该文从满足实际应用需要的目的出发,围绕建立更有效的预测模型、探讨新的滚动优化方法和简单易行的预测控制参数设计方法等方面进行了研究.动态矩阵控制(DMC)是一种典型的基于非参数模型的预测控制算法,具有建模容易、计算简单的优点,其不足之处是只能适用于开环稳定对象.该文在第三章中建立了线性对象的预测状态空间模型和相应的动态矩阵控制设计方法,将非参数化的阶跃响应模型和对象不稳定极点部分的参数化模型结合在一起,能同时处理稳定和不稳定对象.广义预测控制(GPC)是另一种基于参数模型的典型预测控制算法,易实现自适应控制,但在线的计算量较大.该文在第四章中提出了一种改进的预测模型,用该模型进行多步预测及优化可使GPC算法的在线计算量明显降低.在此基础上,提出了适合于非量小相位对象的改进单值GPC算法,克服了采用一般GPC进行控制时动态响应缓慢的缺点.为了利用现有的PID控制器来实现GPC控制,建立了经典的PID控制与GPC算法之间的联系.遗传算法是当前的一个研究热点,该文在第七章将遗传算法引入预测控制领域,对简单遗传算法进行了改进,分别用于预测控制设计参数的优化和预测控制的直接滚动优化,仿真结果表明可改善控制的质量和处理由于非线性及多约束所带来的复杂性.