鲁棒自适应控制考虑了系统存在的不确定性，从而扩大了自适应控制的应用范围，但是传统鲁棒自适应控制大多只是以保证系统鲁棒稳定为出发点来设计控制器而忽略系统动态和稳态性能，导致其无法在复杂的工业过程中取得令人满意的控制效果。　　 从上世纪九十年代以来，多模型控制方法得到了广泛的研究。通过在不同工况条件下建立模型，设计相应的控制器，并通过控制量的切换或加权来实现对系统的控制，其被认为是处理复杂系统的有效方法并在工业过程建模与控制中得到了广泛应用，但是困绕多模型理论和实际应用的一个现实问题是：为了取得满意的控制效果，通常需要设计大量模型，而这必然导致系统计算量的增加，从而影响到系统采样周期的选择。目前关于模型集优化的文献较多，但大多只是把模型集的优化当作一个单纯的优化问题。　　 本文在充分考虑实际被控对象特性的基础上，将系统的高阶部分当作系统的未建模动态，通过引入正则化因子将此未建模动态转化为系统有界扰动，在此低阶系统的基础上根据系统工况变化设计若干个固定模型/控制器和两个鲁棒自适应控制器，并根据性能指标函数选择最佳控制器作为当前系统控制器以提高系统性能。　　 本文分别针对多变量最小相位系统通过极点配置设计了多模型鲁棒直接自适应控制器；针对多变量非最小相位系统通过前馈解耦思想设计了多模型鲁棒直接自适应解耦控制器，并进行了理论证明和实验仿真；针对多变量非线性系统进行了控制系统设计的讨论和实验仿真。仿真实验说明当系统存在未建模动态以及系统工况发生跳变时，本文设计的控制器相比单一模型方法能获得更好的控制效果，而且在适当误差范围内可以从本质上降低多模型集规模。