随着工业系统的日益复杂,大量复杂、时变的扰动越来越严重地影响控制系统的性能,进而影响产品的质量以及系统的安全运行。这对控制算法的扰动抑制性能提出了更高的要求。模型预测控制已经发展成为具有丰富的理论和广泛的应用的先进控制方法。但是,目前在工业界广泛应用的动态矩阵控制算法(DMC)的扰动抑制作用比较迟滞,不能很好的抑制复杂时变的扰动。因此,本文对模型预测控制的扰动抑制策略进行了较为深入的研究,从时域和频域两方面分析现有的扰动抑制策略的抗扰性能并改进了扰动自适应预测控制算法。全文的主要研究工作与贡献如下：1.对模型预测控制算法三种不同扰动抑制策略的时域性能进行了研究。分析比较了基于阶跃扰动模型、基于卡尔曼滤波技术和采用自适应扰动模型的扰动抑制策略的原理和特点。仿真研究了三种扰动抑制方法对工业过程中典型的随机扰动、周期性扰动和原油切换扰动的抑制能力。采用基于MVC准则的性能评估算法对扰动抑制性能进行了比较,结果表明扰动模型自适应策略对上述常见扰动具有良好的抑制能力。2.对无约束模型预测控制的闭环结构进行了分析。在此基础上,给出了模型预测控制扰动抑制性能的频域分析方法。研究了三种扰动抑制策略的闭环灵敏度函数、带宽等频域指标的计算方法,考察闭环系统的调节速度、鲁棒性以及对不同频率扰动的抑制程度,弥补了时域分析方法的不足。频域仿真表明扰动自适应策略对低频扰动的抑制能力最强,系统的带宽大而鲁棒性稍差。3.针对扰动自适应预测控制算法控制作用包含较多高频分量的问题,提出一种基于低通滤波技术的改进算法。改进算法通过对预测误差信号进行指数加权平滑来削弱高频扰动的影响。时域与频域分析仿真结果表明：改进算法有效削弱了控制作用的高频波动,改善了系统对高频扰动的抑制能力,增强了系统的鲁棒性。4.对扰动自适应预测控制算法的参数设计进行了研究。结合仿真实例,分析了时间序列扰动模型ARMA的阶次、递推辨识算法中的迭代次数、扰动预测时域、滤波器增益等参数的选取与扰动抑制性能的关系,提出了参数设计的经验准则。