随着生产过程逐步向大型化、复杂化延伸,分布控制系统、现场总线等技术的广泛应用和信息网络的建立,在化工、能源等生产领域的系统由多个局部子系统构成,除了对单个子系统实现优化控制外,还应追求整个系统的全局优化。而模型预测控制作为一种可以在优化控制中处理系统约束的回归时域控制,能够有效地解决分布式系统的优化控制问题。因此,研究网络信息模式下的复杂工业过程分布式预测控制与优化具有重要意义。本文的主要工作如下:(1)综述了分布式模型预测控制的研究意义及研究现状,并详细介绍了其基本原理及存在的基本问题,分析了其对于控制系统的影响,使研究更有目的性,为后面的研究分析提供了理论基础。(2)针对集中式预测控制在网络环境下可能因为通讯的数据量过大造成网络通讯的各种问题,可以转化为分布式预测控制方法求解。它用多个控制器的多个目标代替了单一的整体目标,但由于各子系统之间存在关联,在解决多目标优化时采用了纳什优化策略,每个子系统通过通讯网络处理彼此的交互信息,提高了系统的控制性能。通过仿真结果可以看出分布式预测控制可以有效地控制多变量强耦合系统。(3)对于其内部有着动态进程快慢不同的子系统以及含有多种随机因素的工业系统来说,仅仅依靠常规的分布式预测控制是不能有效捕捉各自的动态行为甚至造成病态。为了解决这种问题,提出了一种多时间尺度分布式预测控制算法。即对于每个子系统的快慢特性,采取相应的控制策略来实现局部控制目标,又通过预估或通信的方法实现了整体系统的优化控制,提高了控制效果。并将其应用于包含两个连续搅拌反应釜的化工过程中,仿真研究表明采用此方法具有较好的控制性能。(4)时延是网络控制环境下的固有特征。针对输入耦合的串联分布式系统,考虑子系统之间的通讯在含有时变通信延迟的情况下,在基于纳什最优的分布式预测控制的基础上,对其性能指标进行改进,提出了一种基于邻域优化的具有比较过程的协调分布式模型预测控制策略。详细推导了控制律的求解过程,由此给出了带约束关联优化性能指标二次规划的解析形式,然后利用Lyapunov稳定性理论,推导出了确保整个闭环系统渐进稳定的充分条件。通过算例仿真,所提的方法与其他多种预测控制策略作比较,得到的结果能够获得更好的整体优化性能。