预测控制是控制理论中充满活力的部分,近些年来,它与神经网络技术的结合,更使其焕发出新的青春.该文在充分吸收前人研究成果的基础上,做了以下几个方面的工作:通过改进预测控制器的目标函数,将广义预测控制器扩展为具有比例积分结构的广义预测控制器(PIGPC);并以算法进行了化简,降低了计算量;进一步在预测步限后面更远一段进行预测值的等式约束,推导了具有比例积分结构的有约束后移步限控制器;仿真研究表明这现任中控制器对多变量系统控制具有良好的动态性能.变尺度 求解无约束极植问题的一种有效方法,它既避免了计算二阶导数矩阵及其求逆过程,又比梯度法的收敛速度快,该文将它应用于神经网络的权值学习提出了变尺度二阶快速网络辨识算法,通过与BP算法的仿真比较,表明该算法收敛速度快,逼近精度高.将神经网络与广义预测控制相结合,根据泰勒逼近原理,提出了基于前馈神经网络的泰勒逼近预测自适应控制器,仿真验证了该控制器对非线性控制的有效性.将控制理论成果应用于生活生产实践是控制理论发展的最终目标.该文最后介绍了一个自动化控制系统设计的实例,它充分利用最新的计算机硬、软件技术,使工业控制系统变得更加方便、实用.