随着现代工业水平的不断提升,模型预测控制由于其较好的处理约束的能力,已经逐渐成为了现代工业环境中处理优化控制问题最为常见的方法,但是对于现代工业流程中出现的越来越多的连续性和复杂性等问题,传统的模型预测控制又无法较好地顾及到,而一种新的分布式模型预测控制则可以通过将整体系统转化为多个子系统进行考虑,同时也不忽略各个子系统之间信息的交流,可以更好地改善系统的性能。此外,本文还应用到了事件触发机制。由于时间触发机制是基于采样时刻来执行控制行为的,这势必会造成大量的系统资源的浪费,而事件触发则是根据系统的实际状态的情况来定义下一个触发时刻的,就可以更好地减少系统的计算量,节省系统资源。本文在之前学者研究工作的基础上,将事件触发和模型预测控制应用于连续时间系统进行了如下的一些工作:1、对于一些非线性系统模型,由于直接处理这类非线性系统的难度较大,本文将采用反馈线性化的方法,将非线性系统转换为线性系统之后再进行处理。本文首先介绍了反馈线性化的原理及其处理非线性系统的优势,并通过实际例子的演算及仿真分析来证明了反馈线性化方法的可行性。2、对于一类不确定的连续时间系统的保成本控制问题,本文采用了事件触发控制方案,以此来分析研究具有网络诱导时延的参数不确定的连续时间系统的稳定性。在证明稳定性部分,我们运用基于时滞系统方法结合线性矩阵不等式的方法,得出这个系统保持稳定的充分条件是:一个特定的二次目标函数对所有容许的不确定性是存在上界的,并给出了上界值。3、对于包含约束和通信时延的连续时间非线性系统,本文结合事件触发和鲁棒约束不等式,提出了基于事件触发的双模分布式模型预测控制方案来解决优化问题,然后验证了该方案的可行性和系统的闭环稳定性,结果表明,在选择合适的预测时域和有界外部干扰时,可行性可以得到满足,而稳定性则与预测时域、干扰边界和事件触发条件有关。