预测控制是20世纪70年代后期直接从工业过程控制中发展起来的一类新型计算机控制算法。由于它采用多步预测、滚动优化和反馈校正等控制策略，因而其控制效果好，比较适用于那些不易建立精确数学模型且比较复杂的工业生产过程，所以受到国内外工程界和控制界的重视，并且已经在石油、化工、电力、冶金、机械等工业部门的控制系统中取得了成功的应用，是一类很有发展前途的新型计算机控制算法。钢坯加热炉是热轧钢工业中用于钢坯轧前加热的重要设备，也是轧线上的耗能大户，因此研究加热炉的优化控制技术意义重大。加热炉生产的目标是“优质、高产、低消耗”，既要获得满足轧制所要求的钢坯目标出炉温度，又要实现钢坯表面氧化烧损最少，加热能耗最小。由于加热炉具有非线性、不确定性、强耦合等特点，是一个复杂的非线性系统，因此加热炉的优化控制是一个复杂的控制与优化问题，采用常规控制技术难以取得良好的优化控制效果。针对钢坯加热炉系统非线性、大惯性、大滞后的问题，本文在大量查阅相关参考文献的基础上，结合钢坯加热炉的生产实际，提出采用基于小波神经网络的预测控制策略对加热炉炉温进行控制。本文主要做了以下工作：(1)从钢坯加热炉生产实际和现代工业复杂化的实际出发，阐述了加热炉优化控制的应用现状与研究现状，并指出了目前加热炉优化控制中存在的问题。(2)研究了预测控制理论，首先综述了预测控制的研究现状及发展趋势，然后阐述了预测控制的基本思想，最后研究了神经网络预测控制，包括其预测模型及其控制算法的实现。(3)研究了基于小波神经网络的非线性系统建模与预测，并以加热炉的实际数据进行MATLAB仿真，用小波神经网络实现加热炉炉温的预报，在建模的过程中综合考虑了加热炉的生产实际，研究了神经网络建模中的关键技术。(4)针对加热炉这一复杂非线性系统，本文提出采用基于小波神经网络的预测控制的方法对钢坯加热炉炉温进行控制。首先采用小波神经网络建立炉温的预测模型以预测炉温的未来输出值，并采用反馈校正，以克服系统中由于其他不确定性扰动造成的模型预测误差，得到较为精确的炉温预测值。在此基础上，根据定义的二次性能指标对控制变量进行滚动优化，得到系统未来的控制序列。MATLAB仿真结果表明，这种控制方案是可行的，为在其实际生产中的应用奠定了基础。