针对非线性被控对象，根据一般模型控制(GMC)特点，结合神经网络技术，提出了多种改进的一般模型控制(GMC)的方法。在提出了通用模型控制(CMC)方法的基础上，应用Lie导数的概念，把CMC方法推广至相对阶r大于1的复杂多输入多输出过程，从而提出了一种广义通用模型控制(GCMC)方法。结合神经网络技术和非线性观测器方法，提出了多种自适应控制策略，仿真研究和实时控制均显示了良好的性能。本文主要研究成果包括以下几个方面： 1.针对一般模型控制(GMC)的参考轨迹为一条伪二阶曲线的弱点，通过在控制器中直接嵌入过程模型的通用方法，在没有控制约束及模型精确的情况下，它可以使得非线性控制系统为一个标准的二阶系统，该控制器参数具有明显的物理意义，参数整定方便。针对通用模型控制(CMC)方法只适用于相对阶r为1的简单过程的缺点，应用Lie导数的概念，把CMC方法推广至相对阶r大于1的复杂多输入多输出过程，从而提出了一种广义通用模型控制(GCMC)方法，将过程模型直接嵌入控制器中，应用主导极点法来整定控制器参数。 2.为了克服通用模型控制器要求过程一阶微分模型应该有显式解的局限性，提出了一种基于神经网络的通用模型控制方法，将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型，从而保证通用模型控制策略的可实现性。其参考轨迹是一条典型的二阶曲线，由于径向基函数网络具有许多优点，该控制策略中的神经网络为径向基函数网络。该控制器参数具有明显的物理意义，参数整定方便。仿真验证了该控制策略的有效性，从而将通用模型控制器推广到神经网络领域。 3.化工过程的通常是非线性和时变的，研究通用模型控制器和广义通用模型控制器的非线性自适应控制方法很有意义。该自适应控制方法是将通用模型控制算法(CMC)或广义通用模型控制器(GCMC)与非线性观测器结合，在线估计控制器的参数，从而构成自适应控制系统。该自适应控制策略的参数具有明显的物理意义，控制器和非线性观测器参数整定方便。 4.应用复合正交神经网络来实现过程的自适应逆控制方法，和通用模型控制器策略相结合，提出了一种基于神经网络的通用模型自适应控制方法，将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型，从而保证通用模型控制策略的可实现性。另一方面，在自适应逆控制中采用复合正交神经网络具有算法简单，学习收敛速度快等优点，可以克服常用的BP和RBF神经网络一些缺点。基于神经网络的通用模型自适应控制方法中的参考轨迹是一条典型的二阶曲线，该控制器参数具有明显的物理意义，参数整定方便。仿真验证了该控制策略的有效性 5.为了克服一般模型控制器要求过程一阶微分模型应该有显式解的局限性。这里应用RBFNN来求解这种逆模型，从而保证GMC的可实现性，同时应用单神经元PI控制方法来进一步控制系统的性能，仿真实例表明了这种控制基于RBFNN的单神经元一般模型控制策略的有效性。 6.为了提高一般模型控制(GMC)系统的自适应能力，提出了二种自适应控制方法。第一种是将GMC和非线性观测器结合，构成自适应控制系统。另一种是应用复合正交神经网络来实现过程的自适应逆控制方法。提出了一种基于神经网络的一般模型自适应控制方法，将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型，从而保证一般模型控制策略的可实现性。另一方面，在自适应逆控制中采用复合正交神经网络具有算法简单，学习收敛速度快等优点，可以克服常用的BP和RBF神经网络一些缺点。基于神经网络的一般模型自适应控制方法中的参考轨迹是一条伪二阶曲线，参数整定方便。仿真验证了该控制策略的有效性。 7.在常规的控制系统中，一个控制器是难以同时获得良好的跟踪性能和抗扰性能，针对不确定过程和具有大延时的过程，提出了一种多控制器策赂，它由四个控制器组成，即：一个设定值控制器、两个扰动控制器和一个比例前馈控制器，实现了将扰动响应与设定值响应分别处理。这四个控制器可以分别独立设计以获得良好的设定值跟踪和抗扰动性能，特别是其前馈控制器是比例型的，可实现对可测量扰动的全补偿并保证了前馈控制器的可实现性。在双控制器策略的基础上，结合广义大林控制策略提出了一个新的离散大延时双控制器策略，当模型参数精确的情况下，新离散大延时双控制器策略在设定值跟踪性能和抗扰性能方面比广义大林控制策略和大林控制策略有很大的改进。新离散大延时双控制器策略即使存在模型误差时在设定值跟踪性能和抗扰性能方面比PID控制也要优越。为了进一步多控制器策略的性能，这里提出的基于RBF网络的单神经元PID多控制器策略。该多控制器策略由四个控制器，即：一个设定值控制器，二个扰动控制器和一个比例前馈控制器.将扰动响应与设定值响应分别处理，可以分别独立设计以获得好的设定值跟踪和抗扰动性能，一个设定值控制器和一个扰动控制器分别为单神经元PID控制器，该扰动控制器应以抗扰动来设计。模型参数和二个单神经元PID控制器的参数进行实时更新。在压力槽压力控制仿真结果表明了基于RBF网络的单神经元PID多控制器策略具有良好的跟踪能力和抗扰能力，也具有较强的鲁棒性。