近几十年来,参数不确定性系统的控制问题一直备受研究人员的关注,多模型自适应控制(Multiple Models Adaptive Control,MMAC)算法作为处理参数不确定性问题的高效算法之一,成为研究热点。针对不同系统,提出了各种有效的多模型控制算法,用以处理由于参数不确定性大而导致的系统暂态性能差,动态误差大等不良问题。多模型二阶段自适应(Multiple Models Second Level Adaptive,MMSLA)控制算法具有模型需求量少,收敛速度快,信息利用率高等优点;研究人员针对线性系统建立了完善的理论基础,在非线性系统上也取得了部分成果。针对特定某种非线性系统设计多模型二阶段自适应控制器的问题,限制了该方法的应用。为了拓宽MMSLA控制算法的应用范围,本文针对几类非线性系统,在确保系统稳定性的条件下,设计了基于MMSLA算法思想的控制器。本文的主要研究工作如下:　　(1)针对一类具有参数跳变的仿射非线性系统设计了基于切换机制的MMSLA控制器。首先划分不确定参数集,并且在不同子集内建立多模型二阶段自适应子控制器,基于状态误差的切换准则进行最优子控制器的选择。切换机制的引入避免了多自适应辨识模型收敛到单一模型而导致的自适应辨识模型退化问题。论文论证了该策略的稳定性,同时进行了仿真验证。　　(2)针对一类参数严格反馈非线性系统,设计了基于MMSLA算法的控制器。首先设定了特定结构的辨识模型,并基于此辨识模型选择了第一阶段参数自适应律;然后根据辨识模型的指数收敛特性保证了凸组合性质的满足,并设计了第二阶段参数自适应律。通过稳定性分析与仿真实验,验证了该控制器的有效性与正确性,拓展了多模型二阶段自适应控制算法在非线性系统上的应用范围。　　(3)针对一类带有输入量化的参数严格反馈非线性系统,设计了基于多模型二阶段自适应控制算法的量化输入控制器。在系统参数的不确定性集合内,设计多个自适应辨识模型,并基于自适应辨识模型选择了合理的参数自适应律;同时在凸组合条件下,由辨识模型指数收敛性设计了第二阶段参数自适应律;为了保证系统的输入量化稳定,基于Lyapunov理论设计了合理的控制器形式。最后仿真系统验证了该策略的有效性。