预测控制是面向实际工业过程发展起来的一类先进控制方法，一直深受控制界的关注，将智能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。作为目前应用最为广泛的T-S模糊模型，本质上是一种非线性模型，理论上已经证明它可以按任意精度逼近任意非线性系统。利用T-S模糊模型作为预测模型恰好可以弥补单纯性预测模型的不足。本文提出将T-S模糊模型引进到广义预测控制中，从而形成了一类新型的模糊广义预测控制方法，对这一控制方法的进一步研究，无论从理论上还是实际应用中考虑都具有十分重要的意义。本文首先在预测控制和模糊控制的基本原理基础上，分析了预测控制和模糊控制相结合的可能性和必然性，详细推倒了广义预测控制算法，并对其参数的选择进行了讨论研究，通过仿真给予说明。其次，在非线性系统的辨识中，针对T-S模型辨识中如何简化模型的辨识步骤，如何在线调整时变非线性系统的模糊规则和模糊空间，在模糊聚类算法的基础上提出了离线辨识和在线辨识相结合的模糊辨识方法。理论上对基于局部线性模型和基于全局时变模型两种模糊预测控制方法进行了详细的分析和推导，并通过仿真研究比较了两种算法的控制性能，为实际中设计模糊预测控制方法提供了依据。最后，将遗传算法用于非线性系统的模糊辨识中，采用具有自适应性的广义高斯函数为隶属函数，用遗传算法优化其形状，该算法利用了遗传算法的全局搜索能力来辨识模糊模型的参数，仿真说明了该方法的可行性。