多变量系统的解耦控制问题一直是控制界的研究热点。一方面现有的解耦控制方法没有考虑系统对性能的要求,无法满足日渐提高的性能指标。另一方面现有的多变量最优跟踪控制方法虽然考虑了系统对性能指标的要求,但是无法实现多变量强耦合系统的解耦控制。本文在国家自然科学基金项目“非线性多变量自适应最优解耦控制及在钢球磨煤机制粉系统中的应用（61573090）”的支持下,针对一类非线性多变量强耦合系统提出了一种近似最优解耦控制方法,该方法既能实现强耦合系统的解耦控制,又能使指定的性能指标达到最小。本文主要研究内容概括如下:（1）针对一类具有未知外部扰动的连续时间线性系统,提出了一种基于神经网络干扰观测器的近似最优解耦控制方法。首先采用神经网络估计外部扰动,然后引入中间虚拟变量,采用前馈和输出反馈的方法对系统进行解耦。接着,针对解耦后系统,采用无限时间最优跟踪控制方法,实现系统对任意参考输入的跟踪。最后,通过仿真验证了所提方法的有效性以及与基于外部扰动补偿的近似最优跟踪控制方法的优越性。（2）针对一类具有未知动态的连续时间非线性系统,提出了一种基于自适应动态规划的鲁棒近似最优跟踪控制方法。首先采用递归神经网络建立控制器设计模型,然后建立评价神经网络对最优性能指标进行估计,从而得到最优性能指标偏导数的估计值,进而得到近似最优跟踪控制器,最后利用系统输出与参考输入之间的跟踪误差设计鲁棒项对神经网络建模误差进行补偿。该方法可以克服现有近似最优跟踪控制方法只能跟踪连续可导参考输入的局限。仿真实验结果验证了所提方法的有效性和优越性。（3）针对一类具有未知动态的连续时间非线性多变量系统,在上述近似最优跟踪控制方法的架构下,基于最优解耦性能指标提出了一种鲁棒近似最优解耦控制方法。以钢球磨煤机制粉系统机理模型为对象,进行仿真验证实验。首先,利用钢球磨煤机制粉系统的机理模型,在其运行点附近采集输入、输出数据,然后采用递归神经网络建立控制器设计模型,最后针对该模型设计鲁棒近似最优解耦控制器。仿真实验结果验证了该方法的可实施性和有效性。