模型预测控制(MPC)是现代控制理论在工业过程控制中成功应用的例子。基于线性模型的预测控制研究已经相当成熟并得到了广泛的工业应用。然而在实际控制系统中，被控对象往往具有非线性、时变性和不确定性。因此，关于非线性预测控制的研究已成为控制工程界的重要研究命题。例如在工业过程控制中，随着对产品的质量和产量要求的不断提高，对生产经济效益的不断追求使得工业生产过程日趋复杂化，若不考虑非线性因素则难以使控制性能进一步提高。本文在前人研究工作基础上，阅读现有的有关文献对MPC进行了全面的综述。并从理论和实际角度，对非线性预测控制的一些问题进行了较为深入的研究，论文的主要研究工作内容有以下四部分：第一部分：针对一类非线性系统提出了几种预测控制策略：(1)针对神经网络非线性预测控制存在的一些问题，提出了一种基于神经网络的非线性预测控制方法并将该思想成功地推广到预测函数控制情形。该方法的主要优点是仅用一个神经网络来综合非线性系统的预测控制，降低了系统结构的复杂性、减轻了运算负担。同时它将非线性预测方程转化为一系列简单直观的线性预测方程，并利用线性解析方法求取控制律。(2)针对支持向量机非线性预测控制的问题，提出了一种新的基于支持向量机的非线性预测控制方法。主要思路是利用支持向量机非线性核函数的线性化表示，将复杂的非线性多步预测方程转化为一系列线性多步预测，并利用线性预测控制方法求取解析控制律，从而避免了复杂的非线性优化搜索等求解方法。第二部分：针对一类双线性系统，提出了一种预测控制算法：(3)基于支持向量机的一类双线性系统广义预测自适应控制。该方法主要优点是该方法通过支持向量机将系统转化为全局线性模型，避免了在线参数估计。同时该算法与已有的一些控制方法(如线性化方法、非线性寻优等)相比是一种精确的控制方法，控制律具有解析形式。第三部分：针对具有输出反馈耦合的非线性机电系统(mechatronic drive systems)提出了几种预测控制策略：(4)扩展状态空间预测控制。该控制器能控制有纯滞后、开环不稳定并具有非最小相位特性的这类非线性系统，与基于输入输出模型的预测控制器或基于状态空间模型但目标函数仍是输入输出型的预测控制器相比有更好的控制效果。(5)自适应预测函数控制。主要特点是将过程的非线性状态空间模型等效为线性时变状态空间模型，并在目标函数中引入系统状态的变化给出一种具有类似离散PI最优调节器结构的新型自适应预测函数控制器，控制效果优于目前存在的控制该类系统的几类控制器。(6)支持向量机预测控制。主要优点是将系统的内模转换成全局离线模型，从而不需要在线辨识系统参数。同时改进了目标函数得到一种新型的预测控制器，控制效果优于目前存在的控制该系统的几类控制器。第四部分：预测函数控制在非线性工业焦化装置的应用。(7)针对炼油工业中的非线性焦化生产装置提出了一种PFC-PID控制方案并成功地应用到加热炉炉膛压力和分馏塔液位的控制中，实际运行取得了明显效果。主要优点是控制策略实现了目标和控制的分层并有效地解决了阀门非线性特性对过程的不利影响，使得控制过程的稳定性、鲁棒性与抗干扰能力均有很大改善。