广义系统模型作为一类比状态空间模型更一般地系统描述形式,在许多实际领域,如生物系统、计算机系统、航天工程中,广义系统模型都有着广泛的应用.广义大系统作为由若干广义子系统组合而成的互联系统,同样有着广泛的实际背景.随着现代生产系统中对控制精度要求的日益提高,对造成系统不稳定或性能下降的因素的研究引起了学者们的广泛关注,不确定性和外部扰动的存在常常对系统的性能产生重大作用,甚至造成系统不能正常运行,因此对带有不确定性的和外加干扰的广义系统的研究显得尤为重要.模型预测控制(Model predictive control,MPC)作为一种能够处理系统带有强约束和非线性因素的先进控制算法,在现代控制理论中得到了广泛的应用.本文以带有不确定性的广义系统和广义大系统作为研究对象,对其在外部干扰条件下的鲁棒预测控制问题进行了一些研究,主要内容总结如下:针对带有有界扰动的不确定广义系统(Uncertain Singular System,USS),考虑输入存在约束的情况,研究了其MPC控制器的设计问题.在系统存在多胞不确定性时,给出了基于模型的双模控制算法,设计了相应的反馈控制器.数值仿真验证了所提方法可以保证系统的输入状态稳定性(ISS).研究了系统矩阵含有多胞不确定的广义大系统(Uncertain Singular Large-scale System,USLS)的鲁棒H∞MPC控制算法.采用分散控制策略,通过构造Lyapunov函数以及应用LMI方法,将无穷时域优化问题转化为凸优化问题求解,给出了不确定广义大系统分散鲁棒H∞MPC控制器存在的充分条件.仿真图证明所设计控制器是有效的.对于一类受扰不确定的时滞广义系统,在已有广义系统有界实引理(BRL)的基础上,通过矩阵变换,提出了一种形式更为简洁的BRL.基于MPC滚动优化原理,并在每个时刻求解相应的LMI约束,得到MPC控制器的设计算法.在满足输入约束的前提下同时使得系统满足给定的H∞指标.仿真表明所得算法能够对系统进行有效的控制.