在许多常见的大型工业生产流程中,例如化工、造纸以及冶金,时滞现象普遍存在于其中。较好地克服由于时滞对象对生产过程的影响就成了自动控制行业的一大难题。对于这类现象可以总结为：在对象时滞的范围里,尽管系统的控制增量已经作用于对象,但被控量却无法得到响应,导致在外界出现干扰的状况下系统不能根据控制量的变化来进行相应的调节,最终体现出来的就是较大的超调量以及伴随着较长的自适应时间。对于这一类时滞对象,传统的控制算法例如PII)控制以及Smith预估控制算法,都未能获得满意的控制效果。对此,许多学者专家通过对传统算法的改进,提出了诸如改进的面对大时滞对象的PI[)算法以及Smith预估控制算法。另外,以其他的控制算法诸如模糊控制、鲁棒控制为基础的控制算法也在处理大时滞对象中得到了应用,对时滞控制问题的发展起到了积极的作用。本文仔细总结了现阶段在时滞系统中使用的控制方法,着重探讨了预测控制中的动态矩阵控制(Dynamic Matrix Control, DMC)在处理时滞对象中的运用,如何面对实际流程中可能出现的未知扰动以及应对时变时滞对象所需进行的一系列改进。尽管动态矩阵控制因为其独特的控制机理能够应对时滞系统中的控制,但另一方面它在抗外界干扰方面却不够理想,单独使用无法应对一类时变时滞系统。文章针对这些缺点,通过对动态矩阵控制中的控制量计算进行改进,将时间最优控制加入到算法中来,设计了一种能够更为快速抑制扰动的控制算法。应对时变的时滞对象时,考虑通过将遗传算法(Genetic Algorithm)加入到系统中来对时滞对象进行辨识,在线地将实时的时滞大小传递至主控制器中,通过更新相关参数从而重新获得对系统的控制能力。仿真结果也表明了文章提出的控制算法能够有效应对外界干扰,并在时变的时滞系统中有着不错的控制成效。