广义预测控制(GPC)作为一种新型的预测控制算法,主要成果都是以线性系统为被控对象,在理论和应用上都有较好的研究成果。但对于非线性的系统,由于很难得到精确的模型,用这种方法就难以得到好的控制效果。神经网络控制作为一种新颖的智能控制方法,具有很强的非线性逼近能力,弥补了非线性预测模型的不精确问题。本文在论述了广义预测控制和神经网络控制原理的基础上,对神经网络辨识和一种改进的线性广义预测控制算法进行了研究,并提出了一种非线性智能广义预测控制算法。该算法利用神经网络建立非线性预测模型,根据训练所得的神经网络结构参数,在其工作点附近对非线性模型线性化,然后对所得的线性模型进行广义预测控制,最后采用补偿算法对线性化所带来的模型失配进行补偿,并通过仿真实例验证了算法的有效性。 最后,本文对广义预测控制的参数选取、稳定性和鲁棒性给出了定量和定性的理论分析,讨论了广义预测控制主要参数设计和选取的方法;并以仿真实例验证参数选取原则的正确性,使得神经网络广义预测控制更加完善。