近年来由于工业控制要求的提高、控制理论与计算机技术的发展,产生了控制效果好、鲁棒性强并且适用于复杂的工业过程的预测控制算法,并已在机械、化工、石油、冶金等工业领域的控制系统中得到了成功的应用。研究基于智能方法的预测控制算法具有重要的理论与现实意义。本文首先介绍了预测控制的基本原理和结构,讨论了模型预测控制,动态矩阵控制及广义预测控制的预测模型、滚动优化、反馈校正及其稳定性和鲁棒性。然后,详细介绍了神经网络建模的基础理论,遗传算法和差分进化算法的基本原理与方法。并且对差分进化算法改进,并运用改进的差分进化算法对神经网络模型进行参数优化。在上述理论的基础上,提出一种利用神经网络建立预测模型,应用智能优化方法进行滚动优化的基于智能方法的预测控制策略。本文分别针对时滞的非线性模型,有约束的非线性模型及参数可变的非线性模型进行了预测控制的仿真研究,仿真结果证明了基于智能方法的预测控制的有效性。本文还比较了预测控制中参数设置对于控制结果的影响,仿真结果显示,参数的设置对于控制的快速性,准确性,稳定性等有比较明显的影响。最后,分别运用遗传算法和改进的差分进化算法实现滚动优化进行预测控制仿真,并对两种智能方法的仿真结果进行比较。仿真结果显示,采用改进的差分进化算法进行滚动优化的预测控制总体效果相对较好。