根据工业锅炉汽包水位的动态特点，提出了汽包水位预测控制方案，采用一种基于BP 神经网络预报的动态矩阵预测控制新算法，在该算法中，先用BP 神经网络辨识对象模型，同时预测对象的未来输出。该方法解决了非线性、时变对象难以建模及控制的问题，仿真结果验证了这一算法的可行性。预测控制自20 世纪70 年代后期提出以来，经过几十年的发展，已有了模型算法控制（MAC）、动态矩阵控制（DMC）、广义预测控制（GPC）等多种控制算法,但这些预测算法的使用必须在系统建模的基础上，因此不适应工业锅炉的非线性和时变等难以建立精确的数学模型的情况[1]。工业锅炉汽包水位控制也具有非线性和时变等特点。当采用常规控制可以达到稳定状态，但对锅炉要求过高时，传统的控制方案很难满足要求，为了进一步提高控制品质，充分发挥现代控制设备功能，本文根据汽包水位动态对象特点，设计了锅炉汽包水位预测控制方案，用BP 神经网络（BPNN）来辨识模型和预报对象的未来输出，从而建立一种新型的动态矩阵预测控制算法。仿真试验表明，与常规控制方案相比，该控制方案系统响应速度快，稳态效果好，因此具有很好的实用价值。