广义预测控制（GPC）自出现以来，就受到了国内外工业控制界的重视，成为研究领域最为活跃的一种预测控制算法，被看作是一种通用的控制器．然而，对于GPC算法，一直没有得到通用的稳定性结果。稳定广义预测控制（SGPC）就是针对GPC算法缺乏稳定性保证而提出的一种改进算法。本文研究了线性离散系统的稳定广义预测控制问题，主要结果如下： ⑴针对一类有约束的线性离散系统，提出一种基于状态空间模型的稳定广义预测控制算法。首先通过传递函数的状态空间实现，得到被控对象的离散状态空间形式；然后引入Deadbeat状态反馈矩阵并给出约束条件的等价性定理，实现了约束条件的等价转化；最后通过等价约束条件优化性能指标函数求解控制律．该算法在求解控制律时无需求解Bezout方程，仍然满足终端约束条件并实现对非零参考输入的跟踪控制，仿真实例表明该方法具有良好的稳定性。 ⑵在稳定广义预测控制状态空间结构的基础上，提出一种稳定广义预测控制极点配置算法，保证系统的闭环稳定性。 ⑶针对一类有界不确定线性离散被控对象，采用Min-Max优化方法，提出一种新的稳定广义预测控制（MMSGPC）算法，首先在稳定广义预测控制的状态空间结构的基础上，对其预测方程和性能指标进行变换，并加入了有界不确定性，然后采用Min-Max优化方法，将终端约束条件转化为不确定性最差情况对应的线性方程，最后通过引入矩阵的Moore-Penrose逆，得到了线性方程的通解并求得了最优控制律．仿真实例验证了该方法的稳定效果．