自20世纪30年代美国开始使用PID调节器以来,PID算法得到了逐步的发展和完善,并成功地应用于控制大量的复杂工业被控对象。但PID控制器在本质上存在不易克服被控系统时滞特性的问题,尤其是无法应用于时滞存在不确定性的系统。本文研究课题将广义预测控制和经典PID控制方法相结合,利用预测优化原理克服被控系统时滞,然后将控制器转化为经典PID控制器的形式,使得控制器参数物理意义明显,易于进行合理性判定和人工参数调节。针对具有不确定时滞的被控对象,本文提出自适应广义预测PID控制算法。针对具有不确定性时滞系统,先对系统模型参数进行最小二乘在线辨识。然后在递推求解丟潘图的基础上,将互质分解运用于GPC推导中,推导出的新的GPC控制律,再将带有自由度的控制律和PID控制参数设计结合起来,求出带有自由度的PID参数。仿真结果表明了该算法的有效性。另外,上述提出的自适应广义预测PID控制算法中,需要求解丢番图方程。求解过程计算复杂,严重影响控制算法的可实现性和运算速度。本文用Toeplitz方程求解丟潘图方程,减少在线计算时间,再次结合PID控制器,进行参数整合。网络延时系统是最典型的具有不确定时滞的被控对象,本文提出将改进的广义预测PID控制器运用在网络时延控制中。先辨识网络控制系统的模型,结合改进的广义预测PID算法设计出自适应广义预测PID控制算法的网络控制系统,同时对模型参数进行在线优化,从而解决了时延问题,仿真结果说明了改进算法的优越性。