神经网络具有并行机制、自学习和自适应能力，可以用来逼近任意复杂的非线性系统，能够学习与适应不确定系统的动态特性，有很强的鲁棒性和容错性，可以快速进行大量运算。这些特点显示了神经网络在解决非线性和不确定系统建模与控制方面的巨大潜力，将神经网络技术应用于预测控制系统之中，使得预测控制突破现有框架，向高层次发展提供了可能。神经网络预测控制融合了神经网络技术与预测控制技术各自的特点，是具有一定应用价值和现实意义的研究课题。　　 论文首先阐述了预测控制的基本原理和发展情况，并提出了预测控制存在的问题和发展方向，然后详细介绍了神经网络的基本概念和基本方法，接着对神经网络系统辨识进行了深入分析，从而为后面的神经网络预测控制算法的研究奠定了基础。重点探索了神经网络与广义预测控制的结合，并针对工业过程中常见的大惯性大滞后系统进行仿真，得到了较好的效果。又鉴于传统PID控制的特点，将PID神经网络与广义预测控制相结合，针对单变量系统、多变量系统进行了仿真，得到了比传统预测控制更好的效果，为解决工业过程中遇到的多输入多输出强耦合等问题提供了新途径。其中，比较突出的有两点：一是采用了神经网络工具箱中的神经网络预测控制器，在simulink环境下实现仿真，这样操作简易、效果良好；二是在PID神经网络预测控制中削减了柔化因子这一参数，同样获得了良好的仿真效果。