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,以前期提出的基于多模型主动容错控制方案为基础,针对系统可能出现的各种故障情形,设计了两种基于神经网络多模型的主动容错控制方案,围绕所提出的方案,主要进行了以下几方面的研究工作:1)针对前期基于多模型主动容错控制方案中控制策略采用PID对时延时变对象适应性欠佳且无法实现最优控制的问题,提出了一种基于BP神经网络的多模型预测主动容错控制方案,充分利用了预测控制对系统模型精度要求不高,鲁棒性好,且动态性能较优的特点,并以仿真算例验证了该方案的有效性。2)针对前期研究中PID参数整定基于BP神经网络存在收敛速度慢、易陷入局部极小,而且对模型库中无先验知识的故障模型在线建模及重组速度慢等问题,提出了一种基于RBF神经网络的多模型主动容错控制方案,以RBF网络取代BP网络建模,又以RBF网络建模过程中的Jacobian信息作为整定PID参数的计算内核,与前期研究中基于BP神经网络的多模型主动容错方案相比,在简化系统结构的同时,提高了容错的快速性,也为无先验知识的新故障发生时模型库的在线学习和补充奠定了基础。经仿真研究,验证了该方法的有效性和对线性系统的适用性。3)文中还对基于RBF-PID的主动容错控制方案的系统性能进行了简单分析,对系统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及参数摄动,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。