预测控制是一种能够适应工业生产控制要求的控制策略。预测控制通过预测模型来准确描述系统的输入输出关系,将预测模型输出与参考轨迹进行比较并在滚动优化环节求取最优控制量。本文在改进涡流搜索优化算法的基础上提出一种基于优化型快速学习网的预测控制方法,并分别应用于循环流化床锅炉主蒸汽压力和床温控制。结果表明这种预测控制方法能够达到预期的控制效果。本文具体工作如下:介绍并改进了一种优化算法——涡流搜索优化算法(VS)。对VS优化算法的原理和缺点进行了分析并针对其缺点做出了改进,提出了基于混沌理论的涡流搜索优化算法(CVS)和基于反向理论的涡流搜索优化算法(OVS)。CVS优化算法将混沌理论应用于备选解的生成提升了算法的寻优精度和收敛速度;OVS优化算法将反向理论应用于备选解的生成,在兼顾算法运行速度的同时提升了算法迭代后期的寻优性能。针对快速学习网进行训练时输入权值和隐藏层节点阈值的随机设定问题,提出了一种基于CVS算法的优化型快速学习网建模方法。该方法将输入权值和隐藏层节点阈值的取值范围与个数转化为CVS优化算法寻优空间的范围与维数,以快速学习网的输出与训练数据中输出的均方根误差作为适应度值进行寻优,以此确定能够使快速学习网训练结果达到最优的输入权值和隐藏层节点阈值。通过与普通快速学习网和极端学习机的对比,验证了CVS算法优化后的快速学习网在建模问题上具有更好的精度与稳定性。结合OVS优化算法提出基于OVS的优化型快速学习网预测控制,通过使用CVS算法优化快速学习网来确定预测模型并在滚动优化环节使用OVS优化算法计算最优控制量使得这种预测控制方法具有较好的控制品质。将基于OVS的优化型快速学习网预测控制分别应用于循环流化床锅炉主蒸汽压力和床温的控制当中,并与普通PID控制和单神经元PID控制方法进行多情况下对比仿真实验。实验结果表明基于OVS的优化型快速学习网预测控制具有良好的响应速度、抗噪性能和抗扰动性能,在主蒸汽压力与床温被控对象模型变化的情况下也能够使系统输出较快恢复到设定值。