預(yù)測(cè)控制是一種基于模型的先進(jìn)控制技術(shù)，亦稱模型預(yù)測(cè)控制(model predictive control)，它對(duì)模型的精度要求不高，適應(yīng)于時(shí)滯對(duì)象或非最小相位系統(tǒng)，跟蹤性能好，比起傳統(tǒng)的最優(yōu)控制、自適應(yīng)控制來(lái)更適應(yīng)于復(fù)雜的工業(yè)工程控制中不確定環(huán)境的需要。預(yù)測(cè)控制還可以靈活、方便地處理輸入、輸出等的約束問(wèn)題，越來(lái)越受到國(guó)內(nèi)外工業(yè)界和控制理論界重視，并在石油、化工、電力、冶金、機(jī)械等行業(yè)得到了應(yīng)用，取得了明顯的經(jīng)濟(jì)效果神經(jīng)網(wǎng)絡(luò)以其并行處理，分布式存儲(chǔ)以及很好的魯棒性和自適應(yīng)、自學(xué)習(xí)的特性為它在控制領(lǐng)域的應(yīng)用開辟了廣闊的應(yīng)用前景。近年來(lái)，神經(jīng)網(wǎng)絡(luò)在非線性系統(tǒng)的辨識(shí)和控制中發(fā)揮了獨(dú)特作用，使其成為研究非線性控制的一種新的工具。由于BP網(wǎng)絡(luò)是全局權(quán)值修正網(wǎng)絡(luò)，因此學(xué)習(xí)速度慢，而且以梯度法求取的控制律存在陷入局部極值點(diǎn)的可能。文獻(xiàn)[2—3]采用具有全局優(yōu)化特點(diǎn)的遺傳算法作為滾動(dòng)優(yōu)化的方法。文獻(xiàn)[4]以小腦模型網(wǎng)絡(luò)作為多步預(yù)測(cè)模型，以啟發(fā)式遺傳算法作為優(yōu)化方法。