在工业过程控制中,受许多客观因素的影响,实际系统往往表现出不同程度的不确定性、非线性等特点,所以,从严格意义上讲,大多数被控对象都具有不同程度的时滞。时滞的存在可能会导致扰动作用发现的不够及时,这样无疑会加大调节时间,产生较大的超调量,造成控制品质严重下降。因此,研究时滞系统的控制算法具有十分重要的实际意义。传统控制算法从理论上可以克服时滞对系统造成的影响,但是往往需要精确的数学模型,而在实际工业过程控制中,非线性和不确定性的存在导致难以获得精确的数学模型。这时就需要一种先进控制算法来克服上述问题,该算法既要不严格依赖于被控对象的数学模型,又要具有时滞补偿能力和抗干扰能力。模型预测控制(Model Predictive Control,MPC)算法恰好能够满足上述要求,该算法在每个采样时刻都基于系统的预测输出来优化下一时刻的输入,并且只与系统的初始输入有关,此外,该算法还具备较强的鲁棒性,被认为是适合用于时滞系统研究的控制算法。本文以时滞系统为控制对象,根据不同的时滞对象设计不同的模型预测控制器,并且通过仿真实例验证所设计预测控制器的控制效果,主要内容如下:(1)提出一种针对电加热炉这一类典型的一阶时滞系统的动态矩阵控制(Dynamic Matrix Control,DMC)算法,通过调节控制参数使得闭环系统稳定,通过提取特征矩阵的特征值验证所设计的状态估计器和控制器的稳定性,通过引入干扰变量验证系统的抗干扰能力,通过控制加权矩阵、误差加权矩阵等参数研究参数变化对整个系统控制效果的影响。(2)针对含有多重状态和输入时滞的不确定系统,提出一种分布式模型预测控制(Distributed Model Predictive Control,DMPC)算法。首先,针对多重状态时滞系统的每个子系统设计独立的控制器,通过求解一组线性矩阵不等式优化问题解得每个子系统的状态反馈控制律,在这个过程中可以获得整个闭环系统性能指标的上界。然后,将结果扩展到同时含有多重状态和输入时滞的不确定系统中,通过引入多步状态反馈控制律的方法来降低控制器设计的保守性问题。最后,通过仿真实验验证所提方案的有效性。