模型预测控制(Model Predictive Control,MPC)亦称预测控制,是一种基于模型的先进控制技术,该算法直接产生于工业过程控制的实际应用,并在与工业应用的紧密结合中不断完善和成熟。模型预测控制对模型精度要求不高,同时却具有较高的控制性能。模型预测控制是一种十分有效的优化控制策略,它弥补了现代控制理论解决复杂对象控制问题时无法避免的不足之处。近年来随着智能控制、PID控制、小波理论、鲁棒控制、混杂系统控制等理论研究领域的不断进步,预测控制理论得到了快速的完善和发展。本文根据模型预测控制理论的研究现状,以及实际工业过程控制应用中所面临的对模型预测控制提出的新要求,主要针对当前模型预测控制理论面临的若干亟待解决的问题进行了深入的研究和探讨,并最终给出了相应的研究成果。本文的主要研究工作概括如下:1、针对凸多面体不确定系统,给出基于LMI的带有输入输出约束的鲁棒模型状态反馈控制器的设计。首先在不考虑约束条件的情况下讨论鲁棒状态反馈控制规律,进而在输入输出约束影响下,通过求解线性不等式组,给出带有鲁棒约束的状态反馈控制律,经仿真验证,具有良好的控制性能及鲁棒性。2、系统的不确定性和扰动更为一般地表现在系统的反馈环节上。系统的结构化反馈不确定性部分,可以表达未知或未建模部分的非线性、动态或参数等因素。针对结构化反馈不确定系统,给出了基于LMI的带有输入输出约束的鲁棒模型状态反馈控制器的设计。3、状态反馈控制有很多突出的优点,但在许多实际问题中,系统的状态不易直接测得,从而使状态反馈在物理实现上遇到困难,如何构造系统的状态估计器,用以代替实际系统的状态进行反馈控制成为一个课题。本文针对凸多面体不确定系统设计了状态观测器,将系统模型的不确定性引起的误差不确定部分考虑成扰动,而不是将其作为始终存在的恒定信号进行处理,减小了状态估计器的模型失配,从而提高了反馈控制律性能。4、给出了基于LMI的鲁棒模型预测控制的滚动优化可实现性和系统闭环鲁棒渐进稳定性的证明。5、利用GPC并列预报器的特点,直接辨识预报器中最远程输出预报式中的参数,并利用GPC与DMC控制律的等价性,来推求最优控制律的参数。在控制量的处理上,不同于以往只应用控制增量序列首项进行滚动控制的方法,而是充分利用包含在多步预测控制增量序列中的有用信息,引入具有平滑滤波作用的输入加权控制律,提出了一种改进的隐式广义预测自校正控制器算法。它保留了GPC鲁棒性强的特点,对稳定的最小相位系统、非最小相位系统以及时滞系统都有较好的控制性能。