线性系统的自适应控制已经发展得比较成熟,有成熟的收敛性和稳定性等理论分析的方法和手段.但是对于非线性系统来讲,虽然已经有很多的文章发表,但都是针对一些特殊的非线性系统给出的.然而,无论那一种自适应控制都存在如下的问题,即对受控系统数学模型结构的依赖和受系统未建模动态的影响.因此,如何改善基于原有自适应控制系统的控制品质,使之尽可能地摆脱由参数时变、未建模动态及非线性性所产生的影响,不仅在理论上,对自适应控制理论在实际中的应用也具有重要的意义.论文结构如下:首先介绍了选题的学术背景与实际意义;第二章介绍一种基于神经元网络的无模型控制方法——同时扰动随机逼近(SPSA)神经元网络控制,并将它和无模型自适应控制从算法结构、理论基础、计算复杂度、计算机仿真等方面进行比较;第三章是该论文的主要部分,给出两种带有外环路补偿的自适应控制算法,即基于无模型控制外环补偿的自适应控制算法和带有未建模动态估计外环的自适应控制算法,它们是在原有的自适应控制系统的基础上增加一个外回路来解决由于参数不确定性和结构不确定性引起的控制品质下降的问题.并在一定假设条件下证明了基于偏格式线性化的无模型自适应控制的稳定性结果.该种方法的特点是结构简单,能够处理结构时变、阶数时变和参数时变等一大类非线性系统的控制问题.第四章针对两种新型控制算法在计算机上进行了仿真研究,验证了控制算法的有效性和优越性;最后对论文的主要观点作了归纳和总结,并提出了需要进一步深入研究和探讨的问题.