本课题主要研究探讨将智能控制与预测控制相结合的一种控制算法及其应用。毕业设计的任务是研究基于智能控制的模糊预测控制算法，并在实验室完成对过程控制的应用研究。设计的内容主要为：
（1）根据应用对象选取预测模型，优化目标函数；
（2）提出合适的预测控制算法；
（3）在研究的基础上进行仿真分析；
（4）基本完成实验室阶段的应用研究。
要解决的关键问题是将预测控制的基本算法与先进的控制思想及控制结构相结合，形成智能控制预测控制、模糊预测控制、自适应预测控制等。
本课题侧重于在化工生产过程等实际工业过程实现预测控制的智能化，即将预测控制与智能控制相结合，利用模糊关系、逻辑关系或规则来建立预测模型，并提出相应的算法，用MATLAB初步完成在实验室阶段的应用研究。

本文讨论了现今两大智能控制方法——模糊控制和神经网络的历史和现状，指出了单一的模糊控制和神经网络在当今复杂的控制应用中的限制和不足。并指明在控制要求越来越高，控制对象趋于复杂的今天，两大智能控制方与传统控制方法相融合，作到优势互补，这样才能获得较好的控制效果。同时亦指出了模糊控制规则确定后缺乏自学习能力和神经网络学习速度慢等缺点。为此后引入二者结合的神经模糊技术，提供了理论的基础。并且针对现有的模糊控制和神经网络方法提出了一定的改进。当然，本文提出这种控制算法只是一种针对典型工业过程控制的算法，对于大多数的工业过程系统却还不能使用，还有很多问题需要进一步的研究。
（1）模型的选择、结构的选择还有很大的随意性，没有一个明确的理论进行具体的指导，需要通过计算机反复的设计和检验来确定。
（2）在预测控制算法中，主要的设计参数对系统稳定性、鲁棒性和控制性能的影响，及参数选择的定量计算公式都是需要进一步研究的课题。
（3）优化控制中的优化方法很多，如遗传优化算法就是其中的一种，而神经网络本身也可以直接用作优化工具，因此智能预测控制中选用何种优化算法还值得进一步去探讨。
（4）由于实际工业生产过程中的执行机构和被控量都是具有物理限制的，因此实 际的广义预测控制求解控制律时，都是有约束优化问题，解析求解几乎不可能，而本文提出的快速预测控制算法并没有考虑到约束问题。因此如何提供快速有效的在线有约束优化的求解算法，则是另外一个很有应用意义的研究课题。

目录

摘  要  Ⅰ
Abstract Ⅱ
第1章 绪 论 1
1.1 选题的背景与意义 1
1.2 课题发展现状与前景展望 2
1.3 本文主要研究工作 3
第2章 智能控制基本概念 4
2.1 预测控制概述 4
2.1.1 预测控制的基本原理 4
2.1.2 预测控制的基本算法 6
2.1.3 预测控制的研究现状 7
2.1.4 预测控制在工业过程控制中的应用 8
2.2 神经网络概述 8
2.2.1 神经网络控制综述 9
2.2.2 神经网络结构与基本原理 9
2.2.3 神经网络的特点及其用于控制的优越性 10
2.3 智能预测控制研究概况 11
2.3.1  模糊预测控制 12
2.3.2  基于神经网络的预测控制 14
第3章 控制算法研究和确定 15
3.1 时滞系统控制方法概述 15
3.1.1 经典控制 15
3.1.2 智能控制 17
3.2 系统控制方案研究及确定 19
3.2.1 传统预测方法的局限性 19
3.2.2 本系统控制方案的确定 19
3.3 控制算法比较 21
3.3.1 纯滞后对象的阶跃响应 22
3.3.2 与数字PID控制算法比较 22
3.4 最终算法确定 23
3.4.1 智能控制预测模型和对象模型 23
3.4.2 建立有效的反馈校正方法 24
3.4.3 最优控制规律计算 25
3.4.4 系统稳定性分析 25
第4章 仿真 28
4.1 仿真工具介绍 28
4.1.1 MATLAB及其神经网络工具箱的简介 28
4.1.2 运用神经网络工具箱设计网络的原则与过程 29
4.2 控制算法仿真 30
4.2.1 仿真基本步骤 30
4.2.2 模糊预测控制器的设计 30
4.2.3 控制系统的仿真 34
4.2.4 仿真结果分析 36
结束语 37
参考文献 38
致  谢 39
附录1模糊预测控制器MATLAB程序 41
附录2 PID控制的系统阶跃响应 43