模型預測控制是一種基于模型的閉環優化控制策略，其算法的核心是：可預測未來的動態模型，在線反復優化計算并滾動實施的控制作用和模型誤差的反饋校正。模型預測控制具有控制效果好、魯棒性強等優點，可有效地克服過程的不確定性、非線性和并聯性，并能方便的處理過程被控變量和操縱變量中的各種約束。從模型預測控制的基本原理出發，常見的有三種預測控制算法：
1)基于非參數模型的模型預測控制。
代表性算法有模型算法(MAC)和動態矩陣控制(DMC)。這類算法分別采用脈沖響應模型和有限階躍響應模型作為過程預測模型，無需考慮模型結構和階次，可將過程時滯自然納入模型中，尤其適合表示動態響應不規則的對象特性，適合處理開環穩定多變量過程約束問題的控制。 2)基于ARMA或CARIMA等輸入輸出參數化模型的預測控制算法。 這類算法有經典自適應控制發展而來，融合了自校正控制和預測控制的優點。其反饋校正通過模型的在線辨識和控制率的在線修正以自校正的方式實現，其中代表性的是廣義預測算法，它可應用于時變時滯較難控制的對象，并對系統的時滯和階次不確定有良好的魯棒性，但對于多變量系統，算法實施較困難。
3)滾動時域控制。由LQ和LQG算法發展而來。
對于狀態空間模型，用有限時域二次性能指標再加終端約束的滾動時域控制算法來保證系統穩定性。它已拓展到控制和輸出反饋控制。各類模型預測控制算法雖然在模型、控制和性能上存在許多差異，但其核心都是基于滾動時域原理，算法中包含了預測模型、滾動優化和反饋校正三個基本原理。
編輯本段3.模型預測控制在鋼鐵企業的應用
鋼鐵冶金行業是一個復雜的加工過程，把鐵礦石、煤等原材料加工成鋼板要經過焦爐、燒結、高爐、煉鋼、連鑄、熱軋、冷軋等多個工藝環節，這些環節中主要包括了高溫處理過程(各種加熱爐)和高速軋制等其他一些過程，其中的控制系統非常復雜，普通存在動態時變時滯的復雜特性。隨著競爭的日趨加劇，對產品質量控制的要求越來越高，基于模型的傳統控制方法難以收到令人滿意的控制效果。因此，必須結合鋼鐵冶金的特點，將先進的控制方法以及人工智能技術引入鋼鐵冶金的各個工藝過程的控制之中，研究適用的控制方法。 鋼鐵企業的生產流程如下圖所示。下面將結合鋼鐵企業生產工藝講述模型預測控制在鋼鐵企業的應用情況