实际工业生产过程中常常含有非线性、滞后环节,特别是在化工、冶炼等生产过程中尤为显著。本文以连续搅拌反应釜(CSTR)的温度控制系统为研究对象,针对复杂系统难建模、难控制的特点,采用智能预测控制算法对CSTR系统进行了研究。CSTR系统在反应过程中会产生大量的反应热,为保证生产正常进行及时移去反应热是本文控制的主要目标。鉴于T-S型模糊基神经网络对非线性系统具有很强的逼近能力,本文将T-S型模糊基神经网络与预测控制相结合,试图解决CSTR系统时变、滞后等问题。本文在对模糊神经网络进行分析和研究的基础上,给出了两种常见的模糊神经网络结构和它们在实际应用中的特点,研究了模糊神经网络算法。在对CSTR系统特点分析的基础上,指出了常规控制算法的不足。基于广义预测控制的基本结构与原理,给出了CSTR系统温度控制方案。建立了基于T-S型模糊神经网络的CSTR系统多步预测模型,采用粗调和精调两阶段辨识方法,实现了对预测模型网络的隐节点个数、高斯径向基函数的数据中心及扩展常数的辨识。本文基于MPCE-1000多功能过程与控制实验系统平台,对CSTR系统进行了PID参数整定。并对CSTR系统温度控制分别采用PID算法和模糊神经网络预测控制算法,在加入干扰和模型改变情况下进行了仿真。仿真结果表明,基于模糊神经网络预测控制算法具有良好的自适应性、鲁棒性和抗干扰能力,验证了本文所给出算法的有效性和可行性。