预测控制是基于离散系统发展起来的一类新型的计算机控制算法,由于其具有适应复杂生产过程控制的特点,所以在控制界受到了广泛的关注。本文基于预测控制理论,对带有约束、不确定、时滞、扰动等特性的离散非线性系统进行分析和控制,旨在提高离散非线性系统的控制性能,也探讨了预测控制在自主水下机器人(AUV)控制系统设计中的应用,丰富和发展了预测控制理论。论文的主要贡献如下：第一,针对一类带有扰动、输入约束和凸多面体不确定性的区间时滞离散非线性系统,基于线性矩阵不等式理论提出了一种鲁棒模型预测控制方法。创新点是：为了获得求解鲁棒模型预测控制器的途径,一方面利用线性矩阵不等式技术和min-max模型预测控制方法,将min-max最优化求解问题转化成具有线性矩阵不等式约束的凸优化问题上来。另一方面充分利用时滞的上下界信息构造Lyapunov函数以得到控制器存在的充分条件。最后给出了控制算法的可行性分析和闭环系统鲁棒稳定性证明。第二,针对一类带有内动态的不确定离散非线性系统,提出了一种滑模预测控制算法。创新点是：为及时补偿系统匹配或不匹配的不确定性的影响和提高系统的鲁棒性,使用了反馈校正和滚动优化技术。二次型指标中包含可协调滑模控制输入和预测跟踪误差对性能指标影响的控制量惩罚项。特别地,通过预测控制中的反馈校正技术可以消除滑模控制的抖振现象。内动态的稳定性是通过离散输入-状态稳定理论来保证的。滑模预测控制算法保证了闭环系统的所有信号都是有界的,并且在不确定项的界未知的情况下保证跟踪误差是鲁棒稳定的。最后与传统的高氏趋近律进行了比较,说明了本章提出的控制算法具有更强的鲁棒性。第三,针对一类带有动态补偿器的不确定非仿射离散系统,基于预测控制和神经网络提出了一种自适应输出反馈控制器。创新点是：为了解决系统中的非仿射问题,引入了离散的不动点定理。不动点定理的引入,既保证了控制器的存在性又减少了已有结果的约束条件。为了解决跟踪误差系统稳定性问题,设计了一个动态补偿器来镇定其线性部分、一个神经网络自适应控制器来取消非仿射系统的逆误差,对误差系统的线性部分和非线性部分的分离有效地降低了计算的复杂性。鉴于输出反馈控制导致的跟踪误差的状态不完全可测,设计了一个预估器来估计其值。最后应用Lyapunov直接方法分析闭环系统的稳定性。第四,针对一类带有输入时滞的严格反馈离散非线性系统,提出了基于递归神经网络的预测控制方法。创新点是：为简化控制系统形式,利用微分同胚变换把严格反馈离散非线性系统转化成具有三角结构的非线性系统。基于该系统设计了旨在解决系统未知的非线性不确定性和输入时滞的神经网络自适应预测控制器。该控制器充分利用预测控制的预测设计思想,把系统的输入时滞问题转化为预测控制系统的镇定性问题,从而达到了消除时滞,实现同步跟踪的目的。该方法为如何解决输入时滞同步的控制设计方法提供了新的思路。另外,充分利用递归神经网络的动态特性,对三角结构的不确定非线性系统进行辨识,从而简化了仅仅辨识未知非线性函数带来的控制器设计复杂的问题。第五,针对时滞AUV水平面路径跟踪控制问题进行研究,提出了一种预测控制算法。创新点是：为了补偿AUV操作系统中的信号时滞,基于预测控制理论设计了预测控制器。同时设计了局部控制器,包括估计AUV受到环境干扰引起的水动力系数和纵荡、横荡及首摇角速度耦合产生的非线性不确定性的神经网络信号、镇定AUV动态系统线性部分的动态补偿器、补偿环境扰动和神经网络带来的重构误差的鲁棒控制器三部分。所提出的控制方法克服了过多测量装置带来的测量误差和测量噪声,并且不需要精确的系统模型,对于系统内部参数变化、不确定性以及外部干扰具有很强的鲁棒性。