预测控制是20世纪七十年代末产生和发展起来的一类新型计算机控制算法。由于其控制性能良好、易于实现、鲁棒性好、能方便地处理输出约束等优点，在各个领域，特别是复杂的化工过程控制中得到了广泛应用。目前，线性单变量系统的预测理论发展较为成熟，但实际工业过程中往往是多变量、非线性系统。因此，如何对预测控制进行改进，使之更加适合于复杂工业过程的实际应用，是需要解决的问题。因此，将模糊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模糊预测控制进行了深入的研究，将模糊预测控制算法应用于PH中和过程控制系统中去。论文的主要内容可概括如下：1回顾了模糊控制与预测控制的产生背景及意义，将两者结合作为一种新型控制算法的必要性；2给出了T-S模型的建模方法，对于黑箱系统先用聚类法与最小二乘法建立T-S模型，再结合模糊神经网络对模型进一步优化；而对于灰箱系统，根据先验知识用蚁群算法优化模型参数，进而给模糊神经网络训练一个比较好的初始参数，仿真结果验证了该方法的有效性；3在预测控制部分，根据所得的T-S模型，利用后件参数为线性结构的特点，把T-S模型转化成CARMIA结构的模型，结合广义预测控制，实现对非线性系统的线性化预测控制，而针对慢时变非线性系统，采用在线调整模型后件参数的方法，使模型及时反映被控对象，实现预测控制；4最后，把模糊预测控制算法应用到强非线性的PH中和过程中，与传统PID算法进行比较，并对模糊预测控制算法进行鲁棒性仿真实验，验证了本文提出的模糊预测控制算法是有效的。