模型预测控制(MPC)是一类特殊的控制。它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得。过程的当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用。这是它与那些使用预先计算控制律的算法的最大不同。本质上模型预测控制求解一个开环最优控制问题。它的思想与具体的模型无关，但是实现则与模型有关。
编辑本段模型预测控制的三个基本要素
1、预测模型 预测模型是指一类能够显式的拟合被控系统的特性的动态模型。 2、滚动优化 滚动优化是指在每个采样周期都基于系统的当前状态及预测模型，按照给定的有限时域目标函数优化过程性能，找出最优控制序列，并将该序列的第一个元素施加给被控对象。 3、反馈校正 反馈校正用于补偿模型预测误差和其他扰动。
编辑本段摘要
本报告为《先进过程控制》课程的学习和研读报告。主要解释模型预测控制MPC的基本方法和在实际生产中应用的意义。后一部分列出了该方法的应用举例。并指出了模型预测控制理论发展现状和前景。
编辑本段1.引言
随着现代科学技术的进步和计算机技术的发展，工业过程日益走向大型化、连续化、复杂化，对工业生产过程控制的品质提出了更高的要求，控制与经济效益的矛盾日趋尖锐。很多系统具有高度的非线性、多变量耦合性、不确定性、信息不完全性和大时滞等特性，被控变量与控制变量存在着各种约束等，要想获得精确的数学模型十分困难，常规控制无法得到满意的控制效果。因此，对于过程控制系统的设计，已不能采用单一基于定量数学模型的传统控制理论和控制技术，必须研究先进的过程控制规律。先进控制的目标就是为了解决那些采用常规控制效果不佳，甚至无法解决的复杂工业过程控制问题。现代控制理论和人工智能几十年来的发展为先进控制技术奠定了应用理论基础，而控制计算机尤其是集散控制系统(DCS)的普及和提高，则为先进控制(APC)的应用提供了强有力的硬件和软件平台。总之，企业的需要、控制理论和计算机技术的发展是先进控制技术发展的强有力的推动力。 通过模型识别、优化算法、结构分析、参数整定和稳定性鲁棒性的研究解决和处理了许多常规控制效果不好甚至无法控制的复杂过程控制的问题，构成了一种基于模型控制的理论体系，先进控制技术包括软测量技术、内模控制、模型预测控制、预测函数控制、模糊控制、神经网络、专家控制等。本文重点论述模型预测控制的方法和应用。