本文分析总结了有关多变量控制理论和自适应控制理论等方面的研究成果。研究了几种新的基于神经网络的控制算法。主要内容包括:研究了基于PIDNN(比例-积分-微分神经元网络)的MIMO(多输入多输出)的控制系统。针对传统的各种解耦控制算法中存在的问题——需要知道系统中耦合函数的精确表达式,即需要辨识系统的耦合函数,研究了一种可以避免辨识系统耦合函数的控制算法。详细推导了该算法的计算公式,并用MATLAB软件对多个算例做了仿真。仿真结果说明:这种算法能够在不知道耦合函数的情况下,完成控制系统的设计,并获得较好的系统性能指标。本文还叙述了用FPGA实现了这种控制系统中的耦合补偿器。研究了3种神经网络自适应控制系统:单神经元自适应控制系统,基于RBF神经网络的自适应控制,基于RBF辨识的神经元自适应PID控制。本文叙述了这3种自适应控制算法的原理,叙述了用MATLAB软件对它们进行仿真验证的结果。可以认为这3种算法能够应用于非线性时变的单变量系统的控制,能够获得较好的控制性能。对于传统的各种解耦控制方法最主要的问题在于:设计解耦器时必须知道各个控制回路之间的精确耦合关系,也就是耦合函数。然而大多数多变量系统中耦合函数很难辨识,因此传统的解耦控制方法难以实际应用。本文所研究的基于PIDNN的MIMO控制算法,可以解决困扰学术界多年的这一难题。FPGA是新型的器件,具有运行速度快,适应面广,容易编程的优点。特别是它并行运算的特点,用它来实现基于神经网络的耦合补偿器,相比于单片机等器件,有着得天独厚的优势。本文在这方面进行了探索,设计制作了实际样品,并用样品验证本文的控制算法。本文所研究的控制算法,以及设计FPGA控制器,耦合补偿器的方法,可以应用于化工、石油精练、制药、发电机组的压力与温度控制等行业,有较好的应用前景,可以产生经济效益。同时,本文的研究有一定的理论价值。