模型预测控制(Model Predictive Control,简称MPC)是一类利用模型预测被控对象未来行为的计算机优化算法,其控制机理包括模型预测、滚动优化、反馈校正。由于模型预测控制容易处理约束、多变量等优点,成为工业过程控制领域中最受青睐的先进控制算法之一,在工业过程控制方面有着广泛应用。奇异系统作为一类更具广泛性及拥有众多应用背景的系统,其预测控制也已广受关注。本文主要研究了线性分式不确定时滞系统的状态反馈鲁棒预测控制问题和一类不确定时滞奇异系统的输出反馈鲁棒预测控制问题,又针对带有不确定参数的非线性系统进行了自适应鲁棒模型预测控制研究。主要研究内容如下1)研究了一类线性分式不确定时滞奇异系统的鲁棒预测控制问题,系统的输入满足范数有界。将系统看成分段的连续奇异系统,用线性矩阵不等式(LMI)方法和Lyapunov稳定性理论,近似地求解无穷时域的优化问题,在每个采样周期内,给出了输入约束下的状态反馈控制器存在的充分条件和显式表达式,分析了奇异系统的正则、无脉冲模和渐近稳定性,给出了该类系统的在线鲁棒预测控制算法。最终通过一个数值仿真的例子证明了所提方法的可行性。2)研究了一类不确定时滞奇异系统的输出反馈鲁棒预测控制问题,将min-max优化问题转化为无限时域成本函数的上确界最小的优化问题。运用relaxation矩阵与LMI的方法,LMI表示的鲁棒模型预测控制器存在的充分条件以及控制器矩阵的表达式。一个数值仿真的例子证明了所提方法的可行性。3)研究了一类含有不确定参数的非线性系统的自适应模型预测控制问题。在参数自适应部分,考虑了参数误差估计对系统控制的影响,给出了一个新的参数自适应律和滚动时域控制律。在参数自适应过程中保证了随着参数估计的进行,参数估计值渐渐接近参数真实值,参数的集合在始终包含参数真实值的基础上也渐渐地变小,在满足系统约束的前提下,结合了鲁棒的特性以此保证了闭环系统的稳定性。最后的仿真结果验证了这个算法的有效性。