预测控制是一种基于模型的计算机控制算法，是20 世纪70年代发展起来的一种新型控制算法，它克服了现代控制理论在工业生产过程中的诸多困难，是面向实际工业过程发展起来的一类先进控制方法。自从预测控制出现以来，一直深受控制界的关注，将智能控制理论与预测控制机理相结合，使预测控制向智能化方向发展，以满足复杂工业过程控制的需要，是当前预测控制发展的新趋势。 本课题以浙江天煌公司的THJ-3 型高级过程控制实验装置上的锅炉温度控制这个非线性系统为研究对象，该锅炉系统是一个带有输入时滞和惯性时滞的非线性系统，被控量是锅炉内胆的温度。温度控制是通过控制三相移相调压装置给锅炉内胆加热。其输出相对于输入是一个呈S形的强非线性曲线，而且锅炉系统是一个大滞后系统，因此该系统可以认为是一个大滞后强非线性系统。本文以半实物仿真实验为重点，并结合混合仿真平台，将智能控制与预测控制相结合,提出了两种新的智能预测控制算法。并将算法应用于实际控制中。实际运行结果表明，该算法能获得良好的控制效果。 第一种方法是结合滑模变结构控制，通过对系统进行辨识设计了带有时序逻辑，误差反馈目标优化和模糊监督控制器的智能控制器。通过使用RBFNN辨识控制器预测系统误差，并综合控制目标和系统当前状态，设计了一种带有时间序列的多模变结构优化控制器进行辅助目标优化,从而将带有微分项多步控制预测目标函数的多个单神经网络预测控制器结合起来,同时利用多模变结构优化控制器保证系统切换时系统输出和系统状态的稳定。通过在仿真平台上的仿真试验验证，算法充分考虑到系统对快速型和稳定性的要求，满足了稳态和暂态多个性能指标，仿真效果优异。 第二种方法介绍了非线性PID 网络算法的推导过程和仿真结果。本网络用两个网络，一个用来辩识，一个用来控制，两者相互协调配合，能达到很好的控制效果。控制网络的输入为期望值与实际输出值的偏差，偏差变化率和偏差变化率的平方，改变了以往输入为以前时刻的输出和控制量的传统模式，目标函数也与以往有所改进。并且用仿真与实际应用验证了此方法的可行性与优越之处，从而证明此方法在非线性系统的控制中效果显著。