预测控制是一种基于模型预测的有限时域优化算法，它对不确定因素有很强的适应性，普遍应用于工业控制过程中。但被控对象大都是线性系统，这些控制算法对非线性系统的控制效果不是很好，有时会达不到控制的目的。神经网络因其适应不确定系统的动态特性、能充分逼近任意非线性映射关系、较强的鲁棒性等特点，被广泛应用于非线性系统预测控制过程中，并因此诞生各种基于神经网络的预测控制算法，极大提高了非线性系统的预测控制精度。　　 倒立摆系统由于它典型的非线性、强耦合、多变量和不稳定特性，是控制领域研究控制算法的理想设备;在自动化控制教学和科学研究中，也是典型的物理模型。又由于它作为实验平台的结构简单、成本低廉、形象直观、便于模拟等特点，越来越成为国内外控制界诸多学者的研究热点，不少诞生的控制算法都是通过倒立摆系统来验证。但大多数控制算法的抗干扰能力和实时性并不是十分理想，或收敛速度慢，或容易陷入局部极小。　　 本文以直线二级倒立摆为研究对象，用拉格朗日方程建立倒立摆的数学模型，基于建立的数学模型基础，以神经网络为预测模型，根据预测控制的三大机理论述了神经网络预测控制算法。将预测模型在工作点附近做线性化处理得到对象的瞬时模型，利用广义预测控制算法求得近似解，然后以其为初值进行寻优获得全局最优解，提高了算法的性能，并通过模拟仿真验证了算法的可靠性。