模型预测控制(Model Predictive Control, MPC)是继经典控制理论和现代控制理论之后出现的一类基于模型的先进控制算法,在工业控制过程中得到广泛应用。它通过实验手段获取系统的模型,其基本思想为“模型预测——反馈校正——滚动优化”,通过系统的二次性能指标获取最优控制量。它的典型算法有三大类：模型算法控制(Model Algorithmic Control, MAC)、动态矩阵控制(Dynamic Matrix Control, DMC)、广义预测控制(Generalized Predictive Control, GPC).本文以DMC的状态空间描述为基础,主要对PID动态矩阵控制算法进行改进和研究。相对于传统的整数阶控制,分数阶控制是一种很好的概括和补充,它使传统的控制理论更具鲁棒性,使控制系统的静态和动态特性能够得到很好的改善,并且分数阶控制器可以在频域内进行设计。因此,本文在分析分数阶PID算法和动态矩阵控制算法的基础上,推导了分数阶PID动态矩阵控制算法(Fractional-order PID Dynamic Matrix Control, FOPIDDMC).该算法既具有分数阶PID算法的优点,结构简单,参数调节方便,又具有预测功能。在时域内分析了分数阶PIDDMC控制器的参数选择对控制性能的影响,给出参数选取范围。通过仿真说明了分数阶PIDDMC算法比基本DMC算法和PIDDMC算法具有更好的控制性能。目前,应用于EPA控制系统和电厂过热汽温系统的控制算法还是以传统PID算法为主,本文将改进的FOPIDDMC算法应用在EPA控制系统和过热汽温系统中,并在时域内分析了参数选择对系统控制性能的影响,为今后的工程实践打下基础。此外,大多数工业过程被控对象都有延迟特性,因为网络引入的通信延迟能导致系统性能退化甚至不稳定。针对这种网络控制系统中的延迟,本文分析了导致时延的原因,并引入时间标记的PIDDMC算法(Time-stamped PID Dynamic Matrix Control, TSPIDDMC),建立随同时间标记的通信延迟模型。通过时间标记测量网络延迟,在线校正系统的阶跃响应系数和控制系数,并给出了算法的推导过程。仿真实验证明,针对文章所研究的延迟,这种新算法能得到比PIDDMC算法更好的控制性能,改进了网络控制系统的可靠性。