工业过程控制中由于外界环境的变化可能导致系统产生模型失配的现象,而且还会存在不可测扰动的影响,这些都会导致非理想控制。非理想控制是指由各种不确定因素导致系统处于非理想状态,成熟的预测控制方案是不希望存在非理想控制的。因此,从根本上研究预测控制中非理想控制问题产生的原因及相应的解决方法对工业预测控制的应用具有重要的指导意义。针对非理想控制问题,本文以线性状态空间模型预测控制为理论基础,提出两种解决方法。一种是从优化偏差反馈校正的角度来分析。将模型预测输出与实际输出的偏差以PID的形式进行校正,提出基于PID反馈校正的预测控制算法。此算法的优越性在于它不仅包括了当前时刻的偏差信息,而且还包括了以前时刻的偏差信息及偏差的变化趋势,能够更合理的利用偏差信息来对输出进行校正。通过对精馏操作过程和重油分馏塔系统进行实例仿真,说明了所提算法的可行性。一种是从模型参数的统计特性来分析。实际过程控制中由于外界不确定因素的影响可能导致模型参数发生变化,为了估计模型参数变化后对系统的影响,提出基于卡尔曼滤波校正的预测控制算法。算法中首先假设模型参数服从一定的统计规律,再将模型参数的变化等效成扰动;其次采用卡尔曼滤波基本算法估计参数变化后系统的状态;最后将估计得到的最优状态代入预测控制优化算法中求出最优控制作用。对精馏操作过程和重油分馏塔两种不同系统进行仿真实验,仿真结果说明了卡尔曼滤波校正预测控制算法的正确性及有效性。