本文以非线性系统为研究对象，以已知系统某些先验知识为前提，针对系统可能出现的各种故障情形，设计了基于多模型的主动容错控制系统，并对其进行了有效性和鲁棒性等的算例仿真研究，主要进行了以下几方面的研究工作：1)提出了一种基于神经网络多模型的主动容错控制方法。首先采用神经网络建立正常和已知故障发生时的系统模型，对每一种模型设计了基于神经网络的PID参数自整定的控制律，并由此建立了模型库；其次创建了一个监控机制代替传统主动容错控制系统中的FDD及辅助决策子系统，通过对文中定义的性能容忍度指标和模型失配度指标的实时计算分析，以一种隐性的FDD策略和决策机制实现对系统的故障诊断和控制律的切换调整，从而达到系统已知故障发生时的主动容错控制目的；最后以MATLAB仿真算例验证了该方法的有效性和对线性系统的适用性。2)考虑到系统模型库的非健全性和未知故障发生时PID参数在线整定的实时性，本文还对基于神经网络的PID参数自整定算法提出了一种引入混沌机制的改进算法。仿真算例表明由改进算法整定控制律参数收敛速度快、全局性好，而且采用改进算法得到的控制律的控制效果更好，同时也为新故障发生时模型库的在线学习和补充奠定了基础。3)文中还对基于多模型的主动容错控制方案的系统性能进行了简单分析；并对系统因外界影响而存在的某些不确定性的情况进行了仿真研究，其结果表明对一定范围内的外界干扰和系统小故障，系统具有一定的鲁棒性，即监控机制不会发生故障误判和控制律误组，而且控制律本身也具有一定的鲁棒性。