随着在工业过程中的成功应用,基于线性模型的广义预测控制算法(GPC)由于其良好的控制性能、鲁棒性和抗干扰性能,已成为当前控制理论界和工业控制界的热门话题。但在实际工业过程中,经常会存在非最小相位、多变量强耦合、大滞后等非线性特性,广义预测控制算法很难直接应用。近年来,随着神经网络在非线性系统建模与控制中的广泛应用,基于神经网络的非线性预测控制逐渐成为解决复杂非线性控制问题的重要方法,并在工业过程控制中显示了其优良的控制性能,有着广阔的应用前景。本文在球杆系统的基础上对广义预测控制以及神经网络模型预测控制进行研究。首先介绍了球杆系统的特性、组成及工作原理,建立了球杆系统的数学模型,并对其特性进行分析,为后面对球杆系统控制器的设计奠定了基础。在阐述模型预测控制基本原理的基础上,对广义预测控制算法进行了分析,并提出了一种改进的隐式广义预测控制算法。通过对两种方法的MATLAB仿真结果的对比,可以看出隐式广义预测控制可以减少震荡,提高系统的快速性。为了使预测控制广泛的应用于非线性系统,将神经网络引入到预测控制中。介绍了神经网络的基本原理及BP神经网络,并应用LM算法对神经网络预测模型改进。进而对神经网络模型预测控制算法进行分析,通过仿真结果可以看出神经网络模型预测控制算法具有更好的控制效果。在构建的球杆系统实验平台上,设计了球杆系统的广义预测控制器、隐式广义预测控制器以及神经网络模型预测控制器,对各个控制器进行了MATLAB仿真,仿真结果表明,这几种算法都能得到较好的控制效果。在此基础上,对球杆系统自带的PID控制器以及设计的神经网络模型预测控制器进行实际调试,调试结果表明,神经网络模型预测控制有效地改善了控制效果,达到了预期的目的。最后对全文进行总结,结合自己的研究心得,指出一些可以深入研究或有待解决的问题。