预测控制作为一种先进过程控制算法，越来越多的受到关注。经过多年的快速发展，预测控制在理论研究上和实际应用上都取得了显著的成果。从预测控制的发展过程来看，预测控制在对于线性时不变系统的算法研究日趋成熟，并且已经在实际工业中成功应用；　　 然而，对于复杂非线性系统，预测控制的发展仍然尚未成熟。因此复杂非线性系统的预测控制已经成为学术界关注的焦点。　　 基于统计学习理论的支持向量机，是一种崭新的系统辨识和建模工具。它克服了神经网络存在的局部极小，泛化能力差，结构需要经验确定的缺点，能够任意逼近复杂非线性函数，且具有良好的泛化性能，近几年受到控制界的广泛关注。　　 本文对基于支持向量机的非线性系统的预测控制进行了研究，主要内容包括以下几个方面：　　 (1)介绍了最小二乘支持向量机的原理，利用最小二乘支持向量机对非线性系统模型进行辨识，并与标准的支持向量机做了比较。仿真结果表明，最小二乘支持向量机可以很好的实现对模型的辨识，无论在精度还是计算速度上都有了提高。　　 (2)针对复杂非线性系统，提出了基于最小二乘支持向量机的前馈补偿控制策略。利用最小二乘支持向量机对非线性系统进行辨识，并引入非线性前馈补偿理论，结合广义预测控制方法，构造控制器。仿真结果表明了该控制方法的有效性。　　 (3)利用最小二乘支持向量机对非线性模型进行辨识，建立预测模型，提出针对控制对象的多步预测控制策略。仿真结果表明，该方法具有较快的响应速度和较好的响应性能。