预测控制是一种重要的控制策略,但作为一种建立在被控对象特征信息基础之上的控制方法,预测控制对于模型精度有着较高的要求。在预测模型偏差较小的情况下预测控制可以得到满意的控制效果,而一旦模型对象失配,将直接影响控制性能。因此,研究模型失配情况下的预测控制策略具有重要的理论与实际意义。本文研究是针对已经通过对模型预测控制器性能进行诊断确定模型失配,并获得失配信息情况下的预测控制策略问题,采用的控制算法为动态矩阵控制。主要研究内容如下：首先,详细的介绍了预测控制原理及动态矩阵控制的相关理论,通过对模型对象失配程度较大时的预测控制进行了仿真,说明了对模型参数进行批次间校正的必要性。其次,简要介绍了模型失配的分类,在针对模型只有一个参数失配的情况下,提出了一种基于鲁棒误差与批次迭代相结合的模型参数调整方法,通过不断地在线校正失配参数,以用尽可能少的批次使控制性能达到要求。在此方法基础上,通过引入PI调节器,提出了一种基于搜索步长,在线修正模型参数的调整方法,仿真结果验证了上述方法的有效性。最后,针对模型多参数失配的情况,提出一种利用模糊规则的模型参数调整思想,即依据最大超调量、上升时间和过渡过程时间的变化,调整参数的步长,获得调整规则的模型参数调整方法。仿真结果验证了上述方法的有效性。