随着工业过程复杂程度的提高，对这些工业过程建立精确的数学模型变得越来越困难，从而导致基于模型的现代控制理论在实际应用中遇到前所未有的挑战。在难以建立受控系统模型的条件下，利用大量的离在线数据和知识实现对工业过程数据驱动的优化和控制，已成为控制理论界迫切需要解决的问题。作为一种典型的数据驱动控制方法，无模型自适应控制(model free adaptive control，MFAC)已经成为自动控制理论发展的一个重要方向。　　MFAC是一种新型的数据驱动控制方法，其控制器设计仅利用被控系统的输入输出(input and output，I/O)数据，并且控制器中不包含被控过程数学模型的任何信息。然而对于实际的复杂非线性系统，在缺少系统先验知识时，如何选定最优的伪偏导数初值并不是件容易的事情。此外，在系统工况发生变化的情况下，传统MFAC方案中的重置算法仍然将伪偏导数估计值重置为伪偏导数初值的做法也并不是最好的选择。针对上述问题，本文利用虚拟参考反馈整定算法对MFAC进行了改进。　　首先，从非线性系统的动态线性化方法、无模型自适应控制器设计、系统稳定性和收敛性分析等几个层面介绍了MFAC理论;从控制系统结构、被控系统、控制器、初始条件、参考模型以及算法设计等方面详细介绍了虚拟参考反馈整定方法。　　其次，提出了基于虚拟参考反馈整定的改进MFAC方案。具体包括基于虚拟参考反馈整定的伪偏导数初值及其重置值的估计算法。　　最后，为了验证改进MFAC方案的优越性，本文分别针对离散时间非线性系统和快速路交通系统进行仿真比较研究。与原始MFAC以及其他控制方案的仿真比较研究表明，改进MFAC方法具有更好的鲁棒性。