预测控制技术是智能控制技术的一个重要分支,是基于实际工业控制过程而发展起来的计算机控制算法。在控制领域界,它一直备受人们的关注。基于预测控制本身具备的优点,如鲁棒性较强、对模型要求低、易于处理时滞、时变问题等,线性预测控制在实际应用领域中得到广泛的应用,并为社会创造了可喜的经济效益。然而,实际的工业控制过程中,系统具有较强的非线性、耦合性、时变性等特点且控制要求较高。研究成熟的线性预测已经难以达到令人满意的控制效果。因而,研究非线性预测控制成为控制领域关注的研究热点和焦点。为了满足实际复杂控制系统的要求,预测控制向智能化发展是其发展的新趋势,为解决复杂多变量系统的控制问题开辟了新途径。这需要将智能控制技术与预测控制理论融合构成复合型智能预测控制算法。神经网络逼近非线性映射的能力以及自学习能力是其成功应用的理论基础；模糊逻辑系统易于利用人类的语言信息,便于理解和表达。二者有机结合扬长避短,扩大神经网络处理信息的范围,从过去仅能处理精确信息,逐渐可以处理不确定信息和不精确信息。同时,可以自动获取模糊规则及其隶属度函数,提高了系统的自适应能力。本文从预测控制的基本特征着手,将智能控制技术的主要分支进行融合,提出了一种基于复合粒子群优化算法的模糊神经预测控制算法。为了使系统理论更加完善且由浅入深,本文详细介绍了融合智能技术中的每一智能技术分支,包括预测控制、模糊逻辑、神经网络、群智能优化的基本原理、算法流程及其应用、各技术的优缺点比较等。然后,基于MATLAB平台对本文所研究算法进行仿真研究。对系统的跟踪性能、鲁棒性、抗干扰特性、预测精度、迭代寻优过程的结果进行了详细的分析,并与标准广义预测控制算法、神经网络预测控制算法、模糊神经网络预测控制算法进行比较。结果表明,本文所提算法控制性能良好,预测精度更高、收敛性良好、跟踪性能优良、鲁棒性较强,其控制结果令人满意。最后,作者对所研究课题有待进一步研究的方向以及发展前景进行总结。