随着现代的工业过程拥有更加复杂的特性,如多变量性、强耦合性以及非线性时变性等等,相应的对控制的要求也不断提升。多数控制方法是基于过程数学模型的,因为过程的复杂特性,所以通过机理建模很难去得到数学模型。但是,子空间辨识算法的出现有效地解决了难以通过机理建模来获取准确的数学模型的问题。子空间辨识算法能够根据采集到的输入输出数据直接得到状态空间形式的数学模型,辨识的中间结果子空间预估器方程可以作为预测模型。本文从子空间辨识的基本算法和特点出发,结合预测控制策略的需要,在控制器的设计和优化方面进行了研究。本文的主要成果主要为以下两个方面:1.针对系统是否存在约束条件,分别提出了基于子空间辨识的无约束预测控制和基于子空间辨识的约束预测控制。通过子空间辨识得到的状态空间模型作为系统模型,辨识的中间结果即预估器模型作为预测模型,预估器模型也是子空间辨识和模型预测结合的重点。当输入输出数据量较少时,可以先通过核范数优化技术来得到优化变量,然后将其用于子空间辨识,这样可以提升辨识精度。无约束和有约束情况下,最优控制量的求解分别使用偏导法和二次规划即QP方法。2.针对系统存在约束的情况下,如果控制器的参数设置过大,将会导致计算的复杂度增加以及在求解最优控制量所需的时间大大增多。为了能够减少利用二次规划计算时遇到的变量,减少计算的复杂度,将拉盖尔函数参数化的设计引入进来。通过对输入增量信号进行参数化,可以在不牺牲算法的控制效果下有效地减少算法的计算时间。最后通过实验仿真,实验过程中控制器参数设置逐渐变大,根据实验结果可以发现带拉盖尔函数参数化的设计方式可以降低计算复杂度减少计算时间。