预测函数控制(PFC)作为一种近年来被广泛重视并得到应用的新型控制算法，具有计算简单、抑止干扰能力强、跟踪性能好、误差较小等良好的特点。该算法采用指数律参考轨迹，虽然解决了控制量变化剧烈的问题，但在实现期望响应等方面还存在着不足。另外，周期性过程及周期性扰动是当前国内外控制界研究的热点，将预测函数控制(PFC)引入对周期性过程的渐进跟踪和对周期性扰动的抑制，目前国内外所做的研究工作很少，这方面也还存在不少问题。本文正是从这两个方面出发，围绕预测函数控制在这两个方面所存在的问题，进行了深入的研究，在总结目前已有研究成果的基础上做出了有效的改进，提出了自己的创新点。本文的主要内容和创新点包括：1．回顾和总结了预测函数控制理论的发展和国内外研究的现状，系统地阐述了预测函数控制的基本原理及其在实际工业应用中的意义，并对预测函数控制算法的控制性能进行了仿真研究。2．针对采用指数律参考轨迹的传统预测函数控制，系统动态响应无法预先估计，不能直接按照指定的轨迹整定动态响应的问题，提出了一种预测函数控制参考轨迹自校正策略。基于事先规定的期望响应，对指数律参考轨迹的衰减系数进行实时在线滚动优化，以此保证预测时域内的参考轨迹最大幅度地贴近期望轨迹，使得系统响应能够准确地跟踪期望轨迹，并在指定时刻到达设定值，同时保留了控制量输出平滑的特性。3．针对采用传统的模型预测控制算法跟踪周期性轨迹或抑制周期性扰动时，系统的稳态响应与期望值往往存在很大的偏差。预测函数控制作为一种新型的预测控制算法，虽然在响应的快速性及抗干扰性方面有很大的改进，但在处理周期性过程控制方面仍然存在很多不足，在控制精度方面还存在不少偏差。为解决上述问题，将重复控制(repetitive control)引入预测函数控制，对预测函数控制算法进行了一定的改进，既保证了预测函数控制原有的良好性能，又使其在周期性过程控制的渐近跟踪和抑制扰动方面取得更好的性能。仿真实验证实了该方法的有效性及其优点。4．针对重复预测函数控制(RPFC)控制器周期与跟踪轨迹／扰动信号周期不一致所可能带来的系统不稳定性问题，对控制算法的鲁棒性进行了分析，并引入迭代学习控制方法来处理周期性过程控制，解决了该控制方法鲁棒性不强的缺点。仿真结果表明了该方法的有效性和实用性。