在非线性模型预测控制中，系统模型是非线性的，因此，相应的预测模型也是非线性的，设非线性系统的模型：
其中， ， ， 。根据这一模型，在 k 时刻只要知道对象的初始状态x(k)及其未来的控制输入 u(k),u(k 1),…，便可预测对象在未来各时刻的模型输出 。
其中，i=1,2,...。
通过递推，可以得到非线性系统的预测模型： 其中，是由 f(·)及 g(·)复合而成的非线性函数。
由于实际受控系统总包含某些不确定因素，利用上述模型预测，不能完全精确地描述对象的动态行为，因此可以在实测输出的基础上通过误差预测和补偿对预测模型进行反馈校正。记 k 时刻测得的实际输出为 y(k)，则可由 构成预测误差，并根据历史的误差信息 e(k),…,e(k-q)，通过误差预测 校正基于模型的预测，并构成对输出的闭环预测。其中， 为某一线性或非线性函数，其形式取决于所用的非因果预测方法，在 k 时刻，控制的目的是要求算出该时刻起的 M 个控制量 u(k), …u(k M-1)(假设 u 在k M-1 时刻后保持不变)，使输出某一性能指标最优：
其中，
式中， w( k i)为 k i 时刻的期望输出，M，P 的含义与线性预测控制相同。这样，在线的滚动优化就是在闭环预测（下式）的约束下，寻找控制作用使性能指标取极小的问题。如果可由此求出最优的u *( k ),...,u *( k M− 1)，则在 k 时刻实施控制 u *( k )。到下一个采样时刻，检测系统的实际输出进行误差校正后，又重复进行优化，这就是非线性系统预测控制问题的一般描述。
