导弹控制系统是通过对其中一些重要参数进行有效的预测控制,使得它们能够在容许的误差范围内变动,从而很好地控制导弹的飞行姿态,确保其打击精度。但是由于控制系统某些元件存在着高度的非线性特性,使得系统输入输出关系复杂,导致了预测控制建模困难;虽然现有的非线性建模方法可在一定程度上解决该困难,但在建模过程中仍存在“过学习”、“局部优化”和“维数灾难”等问题。基于这一背景,在航天项目“XX导弹发射辅助决策系统”的支持下,本文针对在导弹发射阶段和飞行阶段存在大量的地面测试数据的情况,以基于最小二乘支持向量机的非线性预测控制为基本研究内容,利用测试数据来辨识系统,进而建立非线性预测控制模型,对系统参数进行有效的预测控制。论文主要研究内容包括:1)探讨了最小二乘支持向量机的两个核心问题——核参数调整和支持向量剪枝;研究了核参数的调整优化和支持向量剪枝的算法,并利用最小二乘支持向量机强大的非线性特性和学习能力进行非线性系统的辨识。2)以最小二乘支持向量机作为预测控制结构中的预测模型,与动态矩阵控制相结合,提出一种基于最小二乘支持向量机的动态矩阵预测控制框架,深入研究了模型中参数的选取问题和算法的实现过程,并进行了示例分析,以说明方法的有效性。3)利用最小二乘支持向量机对系统进行有效辨识后,建立其预测模型,然后通过预测偏差控制算法,实现对系统的预测控制,从而提出一种基于最小二乘支持向量机的偏差预测控制方法,并与基于RBF神经网络的偏差预测控制方法进行了对比分析,体现出更好的预测控制和抗干扰性能。4)利用基于最小二乘支持向量机的动态矩阵预测控制方法和基于最小二乘支持向量机的偏差预测控制方法,对“XX”导弹姿态控制中的攻角和侧滑角进行预测控制研究。