动态矩阵预测控制由于其建模方便,鲁棒性强,得到了广泛的应用和发展,而神经网络鉴于其优秀的逼近能力也得到众多学者的青睐。本文在了解了动态矩阵控制的发展和研究现状,以及神经网络在控制系统中的应用现状后,重点介绍了动态矩阵控制的原理,RBF神经网络的非线性逼近能力,提出了基于神经网络进行模型补偿的动态矩阵控制。首先,本文对动态矩阵预测控制算法的原理,特点及应用现状作了介绍,对预测控制算法的优点及需要改进的方面作了说明。接着通过神经网络的原理分析,介绍了RBF神经网络的实现算法,并分析了神经网络在控制系统中的应用现状等,为其与动态矩阵预测控制算法结合打好基础。其次,讨论了被控对象由于扰动而存在非线性或者未建模动态时的预测控制问题。由于常规的动态矩阵控制采用的误差补偿不够充分,能力有限,本文提出了基于RBF神经网络建立系统的误差模型,对预测模型进行误差补偿,很好的补偿了预测模型存在非线性的问题,从而提高了预测模型的精度,通过MATLAB仿真实验对算法的控制效果进行验证。再次,讨论了滞环非线性对系统的影响以及滞环系统的预测控制问题。介绍了滞环非线性模型的形成原理,并分析其动态特性以及对控制系统的影响,针对执行机构由于摩擦等原因造成的滞环非线性现象,研究运用RBF神经网络对滞环非线性进行补偿的预测控制,通过具体的数字电液系统对象进行MATLAB仿真实验,结果证明该方法的有效性,为其在工程上的应用提供了可能。