预测控制是一种基于模型的计算机控制算法,是20世纪60年代发展起来的一种新型控制算法,它克服了现代控制理论在工业生产过程中的诸多困难,是面向实际工业过程发展起来的一类先进控制方法。自从预测控制出现以来,一直深受控制界的关注,将智能控制理论与预测控制机理相结合,使预测控制向智能化方向发展,以满足复杂工业过程控制的需要,是当前预测控制发展的新趋势。本文针对工业控制过程中的实际问题,对神经网络预测控制进行了深入的研究,提出了两种新的智能预测控制算法。并结合混合仿真平台,以平台中非线性单变量与多变量系统为控制对象,将部分算法应用于实际控制中。实际运行结果表明,该算法能获得良好的控制效果。本文共分六章,主要内容和结论如下:第一章与第二章系统地回顾了智能预测控制的发展概况、研究现状及研究动向。对传统的模型预测控制的三个特点进行了分析,重点介绍了广义预测控制算法,并对神经网络的结构、原理及其在预测控制中的应用进行了详细的讨论。第三章详细介绍了混合仿真平台的原理与实现过程。介绍了混合仿真平台的系统配置、RTW下实时代码生成的过程、RTWT实时内核的功能及其对数据采集卡的支持。平台应用一台PC机、一块数据采集卡,结合MATLAB的工具箱Simulink、RTW和RTWT,成功的实现了PC机在Windows操作系统下的实时控制,建立了一个基于PC机的虚拟控制器设计和测试执行的仿真实验系统。第四章介绍了基于单神经网络的非线性预测控制算法,给出了对传统的预测目标函数的改进方案,在改进的目标函数下实现了对单变量和多变量非线性系统预测控制,并将算法应用于对混合仿真平台实际系统的控制,得到了满意的控制效果。第五章应用PID神经元网络实现预测控制的优化计算,实时的给出系统的最优控制量,给出了PID神经元网络与预测控制的结合方案,并详细推导了PIDNN的前向计算方法与权值修正方法。第六章给出了本文的主要结论及创新点,并提出了进一步研究的问题和方向。