容错控制技术是近年来研究的热点领域之一,对提高复杂系统的可维护性和可靠性具有无可替代的作用。本文以特征结构配置、直接自适应和神经网络自适应方法为基础,分别就其在容错控制中的应用进行了研究。首先,针对故障信息已知的线性系统,给出了基于特征结构配置的主动容错控制系统设计方法。通过此方法得到了一种使故障系统特征值得到全部恢复、特征向量得到最大限度恢复的重构算法。针对某飞机的简化纵向模型,在故障先验知识已知的情况下,仿真验证了所给算法的有效性。其次,针对参数和故障信息都未知的线性系统,在执行器故障情况下给出了基于状态反馈的直接自适应容错控制系统设计方法。研究了故障系统模型匹配条件,给出了模型匹配的充要条件;介绍了执行器冗余结构,根据直接自适应控制方法,设计了基于比例驱动结构的直接自适应故障补偿策略,在无故障先验知识的情况下,使系统输出仍能渐近跟踪参考模型的输出。针对某线性系统模型,在系统参数和故障都未知的情况下,仿真验证了设计方法的有效性。最后,针对多输入多输出非线性系统,给出了基于动态逆的神经网络自适应容错控制系统设计方法。利用动态逆方法将非线性系统转换为伪线性系统;对因故障引起的动态逆误差,通过设计基于RBF神经网络的自适应故障补偿信号来部分或全部消除;为了尽快消除逆误差,通常采用高学习率的神经网络补偿器,而这可能导致控制结构饱和而影响稳定性,为了解决这个问题,引入了基于RBF神经网络的间接自适应控制器对因故障引起的系统结构动态变化进行在线估计,从而减小神经网络补偿器的学习率,使得补偿器能够完全消除逆误差,保证闭环系统一致有界稳定。针对某MIMO非线性系统,仿真验证了设计方法的有效性。