伴随着流程工业过程控制系统复杂程度的不断提升，生产质量、经济效益、环境安全等问题的引入，模型预测控制技术的提出与发展为解决此类复杂控制问题提供了帮助。模型预测控制对模型要求低，结合反馈校正方式在有限时域内滚动优化，从而取代传统的最优控制。对于模型预测控制的研究工作可借助计算机仿真手段了解控制效果，但脱离了实际工业环境，为控制器的设计应用带来阻碍。另一方面，模型预测控制策略通常需借助于集散控制系统，但考虑到企业经济性、安全性等多方面问题，模型预测控制策略的设计、分析等需大量的前期仿真验证与测试工作。此外，动态矩阵控制被过程工业广泛应用，面对不可测扰动，其采用反馈校正方式，利用输出阶跃扰动修正预测模型以此解决扰动抑制问题，缺乏对扰动的预测能力，并针对其他环节的扰动以及带有噪声的情况下，无法快速、有效的抑制。因此，针对上述问题，本文主要利用半实物仿真技术进行模型预测控制研究以及采用卡尔曼滤波器结合模型预测控制用于提高扰动抑制能力，其主要研究工作如下：采用真实的硬件控制器与工业控制网络构建集散控制系统，以甲醇生产工艺开发出计算机仿真模型作为被控系统，构建了流程工业综合自动化半实物仿真系统。针对单变量与多变量控制系统，对动态矩阵控制算法详细分析，以单容水箱与精馏塔为典型单元进行前期仿真分析了解控制效果。利用仿真分析结果，借助半实物仿真系统硬件控制器，结合工业网络通讯技术采集计算机仿真模型中的过程数据，以此用于动态矩阵控制器的设计。在半实物仿真环境下，将动态矩阵控制器应用于计算机仿真模型中的流量控制单元与精馏塔控制单元，最大程度的模拟了模型预测控制的实际控制效果，充分验证在半实物仿真环境下模型预测控制研究与应用的可行性。为解决传统模型预测控制在扰动抑制方面的局限性，提出以状态空间模型描述被控对象，采用以状态空间模型对被控系统未来有限时域进行预测。将扰动模型增广为系统的状态变量，利用卡尔曼滤波器对系统状态变量有效估计的优点，对增广状态变量进行估计。从而实现了对被控系统扰动特性的预测能力，充分考虑了由于扰动作用对被控系统的影响。在此基础上结合滚动优化，提高模型预测控制处理不可测扰动的抑制能力。通过仿真结果表明，在被控系统存在输入扰动情况下，基于卡尔曼滤波器的模型预测控制在扰动抑制方面具有优越性。