预测控制是一种基于模型的先进控制算法,它通过预测被控对象的输出并结合反馈校正来决定其最优控制作用。预测控制也是目前仅有的成功应用于工业控制中的先进控制方法之一。由于实际生产过程的数学模型往往难以确知或者由于工作情况改变或环境变化造成被控对象特性的改变,对于这类系统,我们通常采用自适应控制解决问题。为了进一步改善自适应控制,用先进的自适应双重控制代替原有的控制算法。自适应双重控制是一种先进的自适应控制算法,它有其固有的优点但也存在局限性。本文利用自适应双重控制的优点,对预测控制算法进行改进,改善预测控制效果。并对自适应双重控制本身的缺陷在分析研究的基础上提出改进办法,使其得到更广泛的应用。具体研究成果如下:1、提出了一种基于双重控制思想的广义预测自适应控制算法,该算法在模型辨识和控制的过程中,将模型的准确程度作为设计控制律的一个重要因素,在模型失配的条件下,抑制控制量的波动,同时最大限度的积累被估计参数的信息,以便最快地降低系统的不确定性。仿真结果表明,该控制算法比普通的广义预测自适应控制具有更好的控制品质,并将此方法推广到先进的预测函数控制中,效果同样令人满意。2、提出了基于Hammerstein非线性模型的自适应双重预测控制策略。采用Hammerstein非线性模型线性化的方法,将线性部分与非线性部分有机的分离,对于线性部分作自适应双重预测控制,非线性部分当作一个求解高阶多项式的过程。通过对PH中和滴定过程的仿真实验可以看到该方法具有良好的控制品质。3、针对系统稳态时发生大扰动或在系统变结构的情况下,自适应作用弱化,模型更新缓慢的缺点,提出了基于系统波动振幅的条件准则,强制提升双重控制作用的方案。该方案充分利用自适应双重控制所具有的良好抗干扰性能,使其抗干扰能力不仅仅在模型辨识的初始阶段发挥作用,而且在整个系统动态过程中发挥抗干扰作用。4、针对自适应双重控制目前还存在的一些问题,比如关断现象,参数调整困难等,引入协调因子β,协调辨识得到的协方差矩阵中pb 1（ k ）与关键参数（b₁²）|∧（k）的比例关系,避免由于相差悬殊而出现关断现象。另外,寻找模型中的调节参数β与模型本身的关系,确定不同被控对象下模型参数的大致范围,在一定范围内调节参数,减少工作量。