隧道掘进机是专用的隧道挖掘工程机械，有开挖质量高、速度快、对地表沉降以及环境的影响小、安全性较高等优点。隧道施工的工作环境恶劣、控制过程复杂，但是自动推力、自动扭矩等自动控制方式由于地形复杂、对司机要求高等因素，目前的隧道掘进机的控制方式基本上是手动控制，因此亟需研究更先进的适应地质情况复杂多变的优化控制方法。论文研究了几类智能算法的应用及优缺点，首次将基于神经网络的预测控制应用于掘进机的控制。根据隧道掘进机掘进工艺与应用环境特点及要求，选择径向基函数（RBF）神经网络进行预测模型的训练，并选择动态矩阵（DMC）预测算法进行掘进机的控制，为基于神经网络的隧道掘进机预测控制提供了较强的理论基础。采用经典PID技术设计了隧道掘进机的控制器，通过MATLAB环境建立了仿真模型，进行参数调整，分析了系统在阶跃输入信号下响应曲线，结果表明：系统动态特性得到了较好地改善。但是在调节速度和减小超调量上还有待改进，因此提出了基于神经网络的预测控制算法。通过调整神经网络的隐含层数及神经元数获得合适的神经元之间的权重，建立了具有较好收敛性和实时性的隧道掘进机神经网络预测控制模型。通过在线滚动优化和误差反馈校正得到较好的控制效果，与传统的PID控制效果相比较，神经网络预测控制效果更快速、更稳定。阐述了控制系统硬件与软件设计方案，实现了对系统的控制。系统的硬件设计包括PLC的选型、硬件控制电路、触摸屏的选型等，系统软件设计包括控制系统的梯形图设计和触摸屏界面设计。实验证明，该系统具有运行稳定、可靠性高、实用性强等特点。