在实际的工业生产过程中,系统很容易受到外界环境的影响导致其自身结构和参数发生无规则的变化。这时,采用精准的数学模型可能并不能对系统进行精确的描述,这就会导致实际系统和其模型之间存在模型误差。因此,在对系统进行建模时必须对模型误差进行妥善的处理以减轻或消除其影响。由于鲁棒预测控制（Robust model predictive control,RMPC）具有良好的处理模型不确定及约束的能力,因此在面对模型不确定的系统时,鲁棒预测控制将发挥至关重要的作用。虽然对于鲁棒预测控制的研究已经取得了丰硕的成果,并且在许多领域得到了广泛的应用,但仍存在着一些问题有待解决,比如不确定系统存在量化和时延时如何保证系统性能。为此,本文进一步研究不确定系统的鲁棒预测控制问题。主要研究内容如下:（1）针对一类存在输入量化和时延的不确定系统,提出了一种鲁棒预测控制算法。首先,考虑到系统的输入信号经过对数量化器的量化,利用扇形有界方法建立一个具有输入量化和时延的范数有界不确定系统模型。然后,根据建立的系统模型对不确定系统的稳定性问题展开了研究,以一组线性矩阵不等式（Linear matrix inequality,LMI）的形式给出了系统的稳定性充分条件,并设计出使系统能达到稳定的鲁棒预测控制器。最后,通过比较不同量化密度下的仿真结果验证了算法的有效性。（2）针对含有多个子系统的不确定系统,提出了一种分布式鲁棒预测控制算法。首先,考虑每一个子系统与其他子系统均存在信息交换和影响,为了不失一般性,假设每个子系统的状态均受到其他子系统的输入和状态影响,并在此基础上建立了具有范数有界不确定的子系统模型。然后,根据所建立的子系统模型设计了一种分布式鲁棒预测控制器,给出了子系统稳定性的充分条件。最后,通过数据仿真验证了算法的有效性。