本文综述了预测控制和神经网络在理论和应用上的进展，并以神经网络为基础，围绕神经网络建模、预测与控制等主题展丌了一系列研究。将传统预测控制和神经网络相结合，利用作为对象辨识模型的神经网络产生预测信号，用优化算法求出控制律，针对时滞系统，多变量系统分别设计了有效实用的预测控制方案，从而实现对非线性系统的预测控制。神经网络选用具有良好的函数逼近能力的BP网络。主要工作如下： 1．介绍了预测控制基本理论知识，并重点介绍了广义预测控制的产生及其控制算法，并对其稳定性和鲁棒性进行了简单分析，对基于神经网络的预测控制进行了评述。 2．对神经网络结构，原理，算法和在预测控制中的应用进行了详细的讨论。 3．针对时滞的非线性系统，将其自身特点与预测控制思想相结合，提出了基于神经网络的非线性预测控制方法。选用一个前馈神经网络对非线性系统进行辨识，并将此网络作为递推多步预测模型，构造由神经网络实现的控制器。 4．在单输入单输出系统的基础上进一步研究了简单的多输入多输出非线性离散时间系统的预测控制。用人工神经网络设计了预测器。实现了多变量系统的输出预测、模型求逆和控制优化。采用多步递推预测方法，并利用改进的遗传算法全局寻优。 5．结论与展望，给出本文主要的结论，提出了进一步研究的问题和方向。