预测控制是20世纪70年代出现的一类基于模型的优化控制算法,在复杂工业过程优化控制问题处理上潜力巨大。一方面因为预测控制建立模型方便,另一方面是因为预测控制具有优良的跟踪性能和很强的鲁棒性。随着科学技术的发展,工业生产过程复杂性越来越高,同时随着社会的发展,市场竞争也越来越激烈,人们对控制方法的品质要求也越来越高,进一步研究控制品质更高的预测控制方法具有重要意义。PID控制是目前工业过程中使用最多的控制器,具有强大的生命力。主要原因是PID控制具有简单易懂、可靠性高、适用面宽、易于工程实现等突出优点。但随着工业的发展,被控对象的复杂程度不断加深,尤其对于时变、不确定、大时滞的复杂系统,常规的PID控制难以满足其控制性能的要求。如果能设计一种控制器,兼具PID控制简单的结构和预测控制优良的控制品质,将有助于生产效率的提高。本文的主要内容包括：(1)将PID与多变量广义预测控制(Generalized Predictive Control, GPC)相结合,提出了一种改进型多变量GPC算法——多变量PIDGPC算法。根据增量式PID的结构,对GPC的目标函数进行改进,推导出一种具有PID结构的多变量GPC算法。该算法兼具PID的反馈结构和多变量GPC的预测功能,同时相比多变量GPC没有增加多少计算量。球磨机制粉系统MATLAB仿真试验表明,多变量PIDGPC算法在模型匹配和模型失配均能取得良好的控制效果,相比多变量GPC,无超调、模型适应性和抗干扰性能更强,控制品质有一定程度的提升。(2)将分数阶PID与多变量动态矩阵控制算法(Dynamic Matrix Control, DMC)相结合,提出一种改进型多变量DMC算法——多变量分数阶PIDDMC算法。根据增量式分数阶PID的结构对DMC的目标函数进行了改进,推导出具有分数阶PID结构的多变量DMC算法。应用Lyapunov第二稳定性定理证明了多变量分数阶PIDDMC算法的稳定性和鲁棒性,并进一步通过MATLAB仿真验证了该算法的有效性。(3)用GPC对PID控制器参数进行优化,提出了一种基于GPC优化的PID算法——GPC-PID算法。该算法保持了传统PID简单的结构,同时具备了GPC优良的控制品质。循环流化床锅炉床温仿真试验表明,GPC-PID相比传统的PID控制,控制品质得到较大提升,具有设定值跟踪时间短、无超调量、模型适应性和干扰抑制能力强等优点。