随着科学技术的发展，开关电源应用的日益广泛，人们对开关电源输出电信号品质要求越来越高，使得对开关电源的控制成为一个更加复杂且难以处理的技术问题。预测控制则为工业过程控制领域发展起来的一种计算机控制算法，是用于解决多变量、有约束、时变、时滞等复杂系统的控制，具有良好的鲁棒性和稳定性。因此，利用预测控制技术研究其在开关电源中的应用具有重要的理论意义和实际价值。本文作了如下主要工作：　　（1）对预测控制技术、开关电源的控制技术及开关电源的预测控制等方面的研究现状进行分析，发现目前开关电源的预测控制主要采用显式预测控制策略，不适合于负载变化快速、大范围变化等复杂应用情况。　　（2）根据开关电源难以建模的问题，本文提出开关电源非线性隐式建模方法，提出基于核空间递推最小二乘算法（Kernel Recursive Least Square）的动负载开关电源建模及基于RBF（Radial Basis Function）神经网络的动负载开关电源建模。采用MAE（Mean Absolute Error）和NRMSE（Normalized Root Mean Square Error）评价建模效果，通过实验结果证明，RBF神经网络建模的MAE为0.075，NRMSE为0.064，而KRLS建模的MAE为0.1727， NRMSE为0.1144，显然，RBF神经网络建模优于KRLS建模。　　（3）根据开关电源无法实现精确控制的问题，本文提出基于隐式模型的开关电源非线性预测控制。利用RBF神经网络建模，控制器采用GPC（Generalized Predictive Control）算法，针对纯线性负载突变、输入电压突变和容性负载突变三种情况下实验，得出采用RBF神经网络建模预测控制相对于KRLS建模预测控制与线性预测控制输出电压波形具有最小的过冲和俯冲，由此得到，非线性建模预测控制方法可以获得更好的控制性能。　　综上，本文基于非显性式模型的开关电源非线性预测控制可以较好地解决开关电源中负载大范围变化、大时延、电源波动等情况下的控制问题，仿真结果表明其具有较良好的动态性能，过冲或俯冲等均比数字PID和线性预测控制等控制策略要小，并且隐式模型越接近动负载等复杂条件下开关电源实际模型则控制性能越好。本论文可为逆变电源系统及其集成技术提供了设计思路和有益的工程借鉴。