工业生产过程中,被控对象往往具有强耦合、大时滞、时变性、非线性等特点,且工作环境恶劣,因此难以实施有效控制。预测控制对模型精度要求不高,符合工业过程控制的实际控制需求,而动态矩阵控制(DMC)是基于阶跃响应的一种预测控制算法,适用于渐近稳定的线性对象。　　本文基于我校过程控制实验室的A3000过程控制装置和ECS-100集散控制系统(DCS),开展动态矩阵控制理论与应用研究,分别在理论仿真和实际应用两个方面研究了大时滞对象和多变量耦合对象的动态矩阵控制。研究的主要内容如下:　　(1)探讨了动态矩阵控制的基本原理和算法,以及算法实现过程,并给出了其控制参数的选取原则和方法。　　(2)对A3000过程控制装置进行了分析,并建立了其一阶、二阶的非线性水箱模型。并针对所建的模型,分别进行了PID算法和动态矩阵算法的仿真实验,仿真结果表明了动态矩阵算法在处理时滞问题上的有效性和优越性。　　(3)对多变量的解耦问题展开动态矩阵算法的研究,并实现了对于双输入双输出的二阶水箱系统的仿真实验。此外,研究了神经网络动态矩阵算法,用BP神经网络建立预测模型,同时由RBF神经网络实现了控制器的优化,并开发出仿真程序。仿真结果表明神经网络动态矩阵算法的控制效果更好且节约了运行时间。　　(4)通过对A3000过程控制装置的测点分析,完成了集散控制系统的硬件选型和软件组态,并利用SCX语言开发出动态矩阵控制程序,经试验,动态矩阵控制在实际的过程控制中能达到很好的控制效果。