模型预测控制(简称MPC)是控制理论与工程界公认的一类先进控制策略,已在众多工业部门中得到了成功的应用.然而,由于现有的MPC算法还不能用于非线性系统,尤其是强非线性系统,从而使得MPC的实际应用范围受到了严重的限制,因此,非线性系统预测控制策略和算法的研究已成为预测控制研究和发展的一个重要方向.非线性预测控制中关于建模、模型辨识、模型预测和非线性优化等问题,尚未完全解决.该文主要研究基于Laguerre函数模型及其与神经网络的组合模型的非线性系统预测控制策略,利用这些模型的非参数化特点和文中所提的即时线性化思想,将线性系统MPC策略推广用于非线性预测控制,实现了对工程中常用的Hammerstein型、Wiener型及一般动态非线性系统的自适应预测控制.论文的主要工作如下:1、对模型预测控制的发展历程、研究现状、发展趋势和非线性预测控制算法及其性能分析方面研究的进展,作了简要综述.2、提出了基于Laguerre函数模型与参数化模型构成的组合模型预测控制策略,解决了线性不稳定系统的基于Laguerre函数模型的自适应预测控制问题.3、提出了带约束控制量的基于Volterra-laguerre函数的非线性系统模型的多步预测、多步控制自适应控制策略,给出了控制量的优化求解方法.4、提出了两种基于Laguerre函数与静态神经网络的组合模型辨识Wiener型非线性系统,给出了相应的辨识算法,并对两种辨识方案进行了比较.5、提出了非线性系统预测控制的即时线性化思想,建立了一般非线性系统预测模型的即时线性化算法及其实现步骤.6、给出了三类非线性系统的即时线性化自适应预测控制策略,即(1)已知非线性子系统阶次上限值的Hammerstein型非线性系统;(2)基于Volterra-Laguerre函数模型的非线性系统;(3)基于Laguerre函数与神经网络的组合模型的Wiener型非线性系统.即时线性化自适应预测控制是一种结构简明、原理清晰、便于工程使用的非线性系统预测控制方法.该方法的提出为解决非线性系统预测控制开辟了一条新途径.论文运用大量的仿真检验所提算法的有效性,并与其他方法进行了对比,仿真结果说明了所提的建模与控制策略的思想是正确的,方法是有效的.