支持向量机(Support Vector Machines，SVM)是一种建立在统计学习理论基础之上的机器学习方法，它较好地解决了以往困扰很多学习方法的小样本、非线性、过学习、高维数、局部极小点等实际问题，具有很强的泛化能力。最小二乘支持向量机(Least Squares Suppot Vector Machines，LS_SVM)是标准支持向量机的一种扩展，它是支持向量机在二次损失函数下的一种形式。 针对非线性预测控制难题，提出一种LS_SVM预测控制算法。采用LS_SVM建立预测模型实现P步预测，PSO算法优化控制律实现M步控制，给出了该预测控制算法的具体描述；以一个非线性系统为对象进行了仿真研究，结果表明LS_SVM预测模型具有很好的建模效果，预测控制系统性能良好。 在理论分析的基础上，开发了基于LS_SVM的嵌入式预测控制器。硬件上以Intel XScale架构处理器PXA270为核心，外扩数据输入单元、数据输出单元、变送器、可控硅、热电偶、加热炉、显示、存储等模块。在Linux系统下实现软件设计，通过QT Designer实现人机交互。将基于LS_SVM的嵌入式预测控制器应用于加热炉温度控制，取得了良好的控制效果。