在科学与工程领域,经常会遇到一些复杂的高维非线性系统,这些系统状态方程复杂,通过线性模型或是已有的非线性模型难以准确建模。在控制理论研究领域,被控对象系统模型的重要性显得尤为突出。分片线性格模型是一类较为优秀的拟合模型,通过分片线性函数可以以任意精度逼近任意连续函数,更为重要的是分片线性格模型内部清晰的线性结构有助于进行系统状态分析。本文将对分片线性格模型的多层逻辑优化及分片线性格模型在非线性模型预测控制中的应用问题进行研究。在分片线性格模型的多层逻辑优化方面,由于目前两层分片线性格模型存在参数冗余和重复计算的问题,提出了一种多层分片线性格模型的生成方案。通过对两层分片线性格模型机理以及无冗余的算法的深入探讨与研究,借鉴逻辑综合中布尔代数多层逻辑优化的相关理论对两层分片线性格模型进行了多层优化,提出了快速因式分解和蕴涵项组合两种生成算法。通过改变分片线性格模型的原有计算结构,降低了模型的计算时间,减小了模型的存储空间。算法生成的多层分片线性格模型克服了两层模型的缺点,算例表明该算法可以有效地降低分片线性格模型的复杂度。在非线性模型预测控制应用方面,提出了一种基于分片线性格模型逼近的最优控制序列求解方法。以往线性化模型由于需要时时更换模型,难以保证优化问题的可行性,在线计算所花费的时间也较长。本文所提出的方法利用分片线性格模型对非线性模型预测控制问题的性能指标函数进行逼近,然后将优化问题转化为具有清晰子区域和局部线性函数的分段线性规划问题。通过求解一系列凸优化问题,得到预测控制问题的最优控制序列。该方法使得分片线性格模型能够应用于解决控制领域的难题,并通过实验将其与现有算法进行了对比,充分体现了所提方法的优势。