由于分布式模型预测控制算法在控制复杂大规模系统中存在着优势,这使得对其的研究一直是一个热门方向。随着工业过程对控制精度等要求越来越高,传统的控制方法针对存在输入输出约束、动态性能和鲁棒性要求较高的工业过程时,可能达不到相关工艺要求,尤其是存在外界扰动的情况下,输出通常无法获得良好的跟踪性能。因此,针对不同的复杂大规模系统,结合相关先进控制算法,对现有的分布式模型预测控制进行改进研究显得尤为重要。本文基于分布式模型预测控制理论,提出了如下两方面算法改进研究:一方面,针对复杂大规模系统,通过结合分数阶PID与分布式动态矩阵控制,提出了一种分布式分数阶PID型动态矩阵控制方法。该方法将分数阶PID算子引入到分布式动态矩阵控制算法中,在继承常规PID特性的同时,进一步拓宽了参数的整定范围,并通过幅值和相位裕量法来调节整定控制器相关参数,借助纳什最优策略来优化整个控制系统,最终仿真结果证实了该改进算法的优越性。另一方面,针对分布式模型预测控制在处理约束与多变量过程控制中的不足,提出了一种基于扩展非最小化状态空间的显式分布式模型预测控制方法。该方法同时考虑了输出误差、测量输出和输入对控制器设计的影响,将传统的状态空间模型转变成含有状态变量和输出跟踪误差的扩展非最小状态空间模型,继承了状态空间模型特性的同时也考虑了系统整体的控制性能指标,并结合显式预测控制方法来处理系统的约束。该方法弥补了传统分布式模型预测控制在高精度工业过程中的不足,提高了系统的整体控制性能。最终,通过与传统的分布式模型预测控制算法相比较,仿真验证了该方法的优越性,同时也促进了分布式模型预测控制方法在有约束系统中的运用。