温度是典型的工业控制对象,具有大惯性、纯滞后、参数时变等特性。由于时滞的存在使扰动产生的影响不能及时被检测,控制作用相对滞后,从而对控制系统的稳定性、控制精度和调节时间等方面造成了不利影响。因此,系统时滞一直是控制领域中的难点之一。预测控制基于模型预测、在线滚动优化和反馈控制的原理,可以较好的对系统的时滞特性进行开环补偿。针对常见工业被控对象的时滞特点,本文基于Toeplitz预测方程提出一种改进的预测控制算法:该算法利用过去的输入输出和未来输入的线性组合可以快速求解控制率,减少因多步预测递推求解Diophantine方程引起的迭代计算量;为防止温度大幅度变化,在目标函数中加入了输出增量惩罚因子,能有效减少输出波动;并充分利用预测信息软化控制率,克服输入波动。仿真结果验证了该算法的具有良好的抗扰动性。钢铁冶金行业在我国的经济发展中处于很重要的支撑地位。精轧是钢坯生产各种成品钢板重要的过程,其中终轧温度对带钢质量有直接影响。精轧工艺过程复杂,影响温度的变量繁多,但受现场条件限制有效测温点少,现有生产线利用PID调整机架间的喷淋水量的控制方法对终轧温度的影响有很大的滞后,效果并不理想。本文针对精轧终轧温度这一复杂被控对象,结合现场海量数据和工艺背景,搭建了离线动态预报平台:将整条带钢分成多个观测点进行实时预报;分析了几种温降环节对带钢头尾部温差产生的影响;通过大量的仿真分析找到决定带钢头尾温度波动的关键因素。根据仿真平台的分析结果,将指定机架间喷水量作为因变量,利用统计计算的方法辨识出了非线性模型,并在模型预测有效的基础上进行线性化处理;采用了本文改进的快速抗扰动预测控制算法计算控制率并基于现场的实际条件进行了相应约束限幅处理。应用效果验证了该算法的有效性。