预测控制是20世纪70年代兴起的一类先进控制算法，因其不依赖于对象的精确数学模型，具有较强的跟踪性能和鲁棒性，其一出现就受到了工业界的推崇，并得到广泛的应用。但是以往的预测控制算法大都局限于线性的对象，对具有强非线性的对象难以有效地控制。为此，本文把预测控制与神经网络和模糊推理相结合，提出智能预测控制算法，并针对基于线性控制算法的同步发电机励磁控制存在的问题，把提出的智能预测控制算法应用到同步发电机的励磁控制中，为电力系统的稳定控制提供一种新方法。　　 在本文的第1章，首先分析了预测控制的发展过程，各阶段预测控制算法的优越性及存在的问题，然后分析了励磁控制在电力系统中的作用，励磁控制方式的发展过程及存在的问题，最后说明本文所做的主要工作。　　 在第2章，首先分析了预测控制的特点和基本原理，简要分析了动态矩阵控制（DMC）、模型算法控制（MAC）和广义预测控制（GPC）等几种基本的预测控制算法，然后分析了人工神经网络的基础理论，简要介绍了BP神经网络、新出现的PID神经元网络和模糊神经网络，为第3章的智能预测控制算法的分析和设计奠定基础。　　 在第3章，在第2章的基础上把神经网络与预测控制相结合，提出具有PID特性的基于BP神经网络预测模型的神经网络预测PID控制算法、基于BP神经网络预测模型的PID神经元网络控制算法和基于BP算法的模糊神经网络模型的PID型广义预测控制算法，并分析各自的算法过程和特点。　　 在第4章，主要介绍了励磁控制系统的组成原理和分析了励磁控制系统各元件的传递函数模型及包含励磁控制系统的单机无穷大系统模型。　　 在第5章，结合智能预测控制的良好特性和励磁控制系统的特点及存在的问题，把第3章中所设计的智能预测控制算法应用到励磁控制系统中，以MATLAB/Simulink软件为仿真平台做了仿真和比较分析，证明这些智能预测控制算法在励磁控制中的应用是有效可行的。　　 在文章的最后，进行了总结与展望，总结本课题获得的成果，研究中尚存在的问题和今后应开展的工作。