预测控制是一种基于模型的先进控制技术,它产生于20世纪70年代中后期,它能够克服受控对象建模误差以及外界干扰等不确定因素的影响,有效地弥补了现代控制理论对复杂受控对象的一些不足之处。因此一经产生,预测控制便成为了控制理论界和工业控制界的一个热门话题,并且在工业过程控制中得到了广泛的应用。近年来,非线性系统的控制得到了越来越多的关注,这主要是因为大多数的实际系统本质上都是非线性系统,而现代科学技术都要求控制系统具有更为严格的控制指标,能够更为准确地处理被控系统的非线性特性。虽然预测控制在工业过程控制中有着成功的应用,但其大多仍是基于线性模型。而现实生产过程中遇到的大多数控制系统都是非线性控制系统,对于这样的一些非线性控制系统,由于控制系统本身的复杂性和不可预知性,从而使得寻找一种具有一般性的、统一的非线性预测控制方法比较困难。进入20世纪90年代以来,智能控制的研究成果大量涌现,一些智能算法被人们提出,并应用于实际过程中,为一些复杂系统的控制提供了新的方法和思路。本文围绕着预测控制的基本组成部分：预测模型、反馈校正、滚动优化,对非线性系统的预测控制方法进行了深入的研究和探讨,并将其应用于中和反应PH值的控制中,给出了相应的研究成果。本文主要研究了以下几个方面的内容：研究了BP神经网络预测模型,并且针对其收敛速度慢,容易陷入局部最小点等缺点,本文设计了一种基于粒子群和BP混合算法的神经网络,验证其更适合于非线性预测控制的模型预测。针对神经网络递推多步预测产生的累积误差问题,本文设计了一种基于神经网络误差补偿的校正方式,提高了反馈校正质量。针对非线性优化策略问题,本文利用粒子群算法与模拟退火算法相结合的方法,既能解决非线性优化问题,又能克服标准粒子群算法的缺点,取得了良好的控制效果。将混和智能预测控制算法应用于PH值控制,为其提供了一种新的、更为有效的控制方法。