本文针对非线性非仿射离散时间系统,提出了基于滑模的无模型自适应控制方法,并重点研究了非线性非仿射重复系统的基于滑模的数据驱动自适应学习控制方法。严格的数学分析与仿真验证了所提方法的有效性。论文的主要创新点总结如下:第一,利用动态线性化技术,建立了一般非线性非仿射系统的线性数据模型。以此为基础,考虑到系统的不确定性等因素,引入传统的时间动态滑模面,设计了二次型性能指标。进一步,利用最优技术,提出了基于滑模的无模型自适应控制方案(SM-MFAC),包括学习控制律和参数自适应律。与传统无模型自适应控制的区别在于指标函数设计采用滑模动态而不是误差动态,所提出的控制律包含了更多的误差信号,从而可提高控制性能。严格的收敛性分析和仿真结果验证了所提出SM-MFAC方法的有效性。第二,针对非线性非仿射离散时间SISO和MIMO系统,建立了两个连续的迭代之间的动态线性数据模型,用以重新表述非线性系统的线性输入-输出数据关系,并用于后续的控制器设计和分析。提出了新的迭代滑模曲面来代替传统的时间动态滑模面,使其更加符合被控系统时间和迭代二维的动态特性。以迭代线性数据模型为基础,进一步设计了基于时间演化的最优指标函数,提出了基于滑模的数据驱动自适应迭代学习控制方法一(SM-DDAILC-I)。该方法是前馈+反馈的机制,含有反馈信息以及参数迭代更新律,从而能够有效的应对初始条件变化、随机扰动的问题,使得控制效果更好。严格的收敛性分析和仿真研究证明了所提出方法的有效性。第三,针对与上述同样的系统和问题,基于所提出的含有二维动态的迭代滑模面,设计了基于迭代方向进化的最优指标函数,利用迭代线性数据模型,提出了新的基于滑模的数据驱动自适应迭代学习方法二(SM-DDAILC-II),含有线性数据模型的参数估计律,可更好地适应系统的不确定性问题。所提出方法类似于高阶学习律,利用了前两次迭代的误差信息,从而提高了控制性能。另外,所提出的方法也是数据驱动的,且能有效处理初始条件变化、随机扰动等问题。严谨的理论分析和仿真结果验证了算法的有效性。