随着现代工业的发展和科技的进步,对生产经济效益的不断追求以及工业生产过程日趋大型化、复杂化、工况点的变化范围大等原因,使得线性预测控制(LMPC)方法已不能满足控制性能要求。因此,关于非线性模型预测控制(NMPC)的研究已成为控制工程界的重要研究课题。已有的大多数NMPC方法是建立在离线模型基础上的控制,但由于系统工作域的迁移往往使得离线模型并不能准确的描述系统的实际状况,导致基于离线模型的预测控制不能达到满意的控制效果,本文针对这个问题研究了基于在线LS-SVM模型的非线性预测控制。本文在前人研究工作基础上,对NMPC的若干问题进行了较为深入的研究,主要内容如下:(1)针对LS-SVM缺乏鲁棒性问题,研究了一种加权LS-SVM。该方法考虑时间因素和相似性因素作为加权因子,仿真结果表明该方法鲁棒性得到有效地改善。(2)针对基于离线模型NMPC的不足,研究了一种基于加权LS-SVM在线模型的NMPC算法。该算法采用加权LS-SVM建立系统的在线模型,然后以粒子群优化算法作为滚动优化策略。仿真结果表明基于在线模型的NMPC效果优于基于离线模型的NMPC。(3)针对离线聚类建模的缺点,研究了一种基于加权LS-SVM在线聚类建模的方法。针对基于单模型非线性预测函数控制需要在每个采样点对非线性模型线性化的不足,研究了一种基于加权LS-SVM在线聚类建模的多模型预测函数控制算法,并针对多输入多输出系统推导出了解析的多模型预测函数控制律,仿真结果表明基于在线聚类多模型预测函数控制效果和抗干扰能力优于离线单模型预测函数控制。