自20世纪70年代问世以来，模型预测控制以其对模型要求低、控制综合质量好、在线计算方便的优点，已经发展成为一个具有丰富理论和实践内容的学科分支，并且越来越受到工业控制界的关注。但是，针对广泛存在于工业生产过程中的不可测干扰问题，目前还无法较好的处理,需要进行深入的研究。目前大多数预测控制技术通过将输出恒值干扰包含在过程模型中来解决这个问题，但是当不可测干扰从其他环节进入控制系统时，这种方法往往不能实现无静差控制。本文基于卡尔曼滤波器，通过一种性能优于输出干扰模型的更为一般的干扰模型来解决这个问题，并给出了基于该模型下的预测控制实现无静差控制所需要的条件。动态矩阵控制算法是应用最广泛的预测控制算法。但是由于其在整个预测时域内，假设当前时刻得到的预测值与实际测量值的偏差不变，因此对工业生产中广泛存在的不可测干扰缺乏有效的提前估计，从而导致其抗不可测干扰的能力较弱。为了提高动态矩阵控制算法的控制性能，本文分别对两种动态矩阵控制算法设计了基于卡尔曼滤波器的前馈补偿方法，从而提高了两种算法处理不可测干扰的能力。首先利用干扰模型将不可测干扰增广为系统的状态变量，接着通过卡尔曼滤波器估计其大小及其对输出的影响，然后结合估计出的干扰采用前馈补偿控制策略改进动态矩阵控制算法。由于卡尔曼滤波器和预测控制器都采用线性设计方法，因此该算法在线计算量少，满足控制实时性的要求，同时能够有效克服不可测干扰对系统输出的影响。仿真结果表明，在不可测干扰存在的情况下，该控制方法能显著提高控制性能，完全实现了无静差控制。