伴随着工业生产和科技的进步以及计算机技术的迅猛发展,预测控制这种新型的计算机控制算法也随之得到了快速的发展。模型预测启发控制(MPHC)、模型算法控制(MAC)、动态矩阵控制(DMC),这些都是最早的典型预测控制算法,分别由Richalet、Mehra和Cutler提出。预测控制的主要特征有三个方面,预测模型、滚动优化和反馈校正。这些优点克服了受控对象因外部环境、参数、对象建模误差以及结构这些因素的影响。这种算法不仅鲁棒性强而且有不错的控制效果。广义预测控制(GPC)做为预测控制的一种,它是随着自适应控制而发展起来的一种预测控制方法,由Clarke等人提出。GPC是一种基于参数模型的预测控制算法,它不仅保留了基于非参数模型的MAC和DMC等典型预测控制算法的优点而且结合了辨识和自校正机制,从而表现出更强的鲁棒性。因此,GPC得到了越来越多的重视。论文首先介绍了GPC的基本算法,并且以SISO系统为例,通过仿真,分析了控制器参数的改变对系统性能的影响。其次,针对传统的广义预测控制,其虽然利用递推算法来避免在线求解丢番图方程,但是计算量仍然很大并且会出现病态数值的问题,从而给出了阶梯式广义预测控制。在此基础上针对GPC显式算法占线时间长和计算量大等缺点,给出了另一种改进广义预测控制算法,即隐式自校正算法,此算法应用了DMC和GPC控制率的等价性。然后本文将阶梯式GPC同隐式自校正GPC相结合,使这种结合算法兼具两者优点,并将这种结合算法应用到单输入单输出系统中,通过仿真研究证明其可行性和有效性。最后,本文将这种结合算法延伸到了多变量系统中,同时在延伸过程中对多变量系统中的耦合问题进行了解耦设计。并利用MATLAB验证此改进的结合算法在多变量系统中的适用性和有效性,同时针对MIMO系统中参数该如何整定进行了仿真研究。