工业控制理论发展到今天，所面临的问题是复杂的非线性控制问题，传统的经典控制理论与现代控制理论已经不能满足非线性控制的需要，将机器学习理论与反馈控制理论结合起来，利用先进、智能的控制手段处理非线性控制问题已经成为当前工业控制领域研究的重要内容。支持向量机是20世纪90年代初由Vapruk等人提出的一种基于统计学习理论的机器学习新方法，由于其强大的学习能力和出色的泛化能力使其在解决小样本学习、过学习、局部极小点和非线性等问题方面表现出良好的性能，因此短短的十几年内已经成为机器学习的标准工具。将支持向量机引入控制领域，可望解决一系列非线性系统建模与非线性控制的难题，因而是一个具有广阔发展前景的研究方向。　　 本文致力于“基于支持向量机的非线性系统辨识与预测控制研究”，旨在将支持向量机理论、系统辨识理论与预测控制理论结合起来，形成一套新的解决非线性控制问题的思路与办法。主要的研究工作与贡献如下：　　 1)系统回顾了支持向量机理论、系统辨识理论和预测控制理论各自的基本原理和典型算法，详细研究了三者之间的内在联系，分析找到了将支持向量机方法用于非线性系统辨识和非线性预测控制的切入点，从而为论文的研究工作奠定了理论基础。　　 2)研究了基于最小二乘支持向量机的非线性模型辨识算法。利用Hammerstain模型结构，在对象的线性动态模型的输入端加入静态非线性环节并用最小二乘支持向量机非线性回归函数表示，从而形成了基于最小二乘支持向量机的NARX非线性模型辨识算法与N4SID非线性模型辨识算法，并分别详细推导了这两种非线性辨识算法的优化解法。　　 3)研究了基于最小二乘支持向量机的非线性预测控制算法。用辨识算法获得的基于支持向量机的非线性NARX模型和非线性状态空间模型作为预测模型，引入非线性预测控制的性能指标函数中，构成非线性滚动优化问题，运用非线性规划算法(如拟牛顿法等)迭代求解这类滚动优化问题获取非线性预测控制律，初步实现了两种新的基于支持向量机的非线性NARX模型预测控制算法和基于支持向量机的非线性状态空间模型预测控制算法。　　 4)研究了基于支持向量机的非线性系统辨识与预测控制在锅炉燃烧系统中的应用。用基于支持向量机的非线性系统辨识算法对锅炉燃烧系统进行非线性动态建模，成功建立了基于支持向量机的三输入三输出非线性模型，在此基础上将该模型作为预测模型，构造三输入三输出的非线性预测控制回路，最终利用基于支持向量机的非线性预测控制算法成功的实现了锅炉燃烧系统的控制。