论文研究了基于粒子群算法优化的广义预测控制技术。针对广义预测控制中滚动优化环节在寻找最优控制输入时存在的缺陷,将粒子群优化算法与自身梯度寻优法相结合,形成一种多模态混合优化方法,并应用于稀土萃取过程中实现对元素组分含量的控制。重点进行了以下几方面的研究：首先,研究广义预测控制基本算法及其改进后的隐式算法。由于隐式算法避免在线求解Diophantine方程带来的大量中间运算,从而有效减少了计算时间及工作量,通过仿真表明其有很好的控制性能。同时,讨论了影响广义预测控制性能的可调参数,仿真实验分析了各参数对系统性能的影响,并得到了参数选取的一般性原则。其次,设计基于粒子群算法优化的广义预测控制器。传统广义预测控制的滚动优化部分用梯度寻优法获得预测控制输入序列,其缺点是寻优时间较长、过程复杂、计算量较大,而且一般只求得局部最优解。粒子群优化算法是一种基于群体智能理论的进化算法,具有易实现、收敛快、精度高等优点。本文将粒子群算法与梯度寻优法相结合,形成一种多模态混合优化方法,从而快速、精确的获得系统最优控制输入序列。最后,将粒子群优化的广义预测控制应用于稀土萃取系统中对元素组分含量进行控制。基于元素组分含量控制过程模型,通过对萃取剂流量、料液流量、洗涤液流量的控制实现组分含量对设定值的跟踪。仿真结果表明了本文所采用的控制方法具备良好的跟踪性能。论文通过理论研究和仿真分析,将基于粒子群算法优化的广义预测控制应用于稀土萃取系统实现对元素组分含量的控制,取得了良好的控制效果。论文研究对于稀土萃取的生产具有一定的应用价值。