生物体本身的免疫系统是一个复杂的信息处理系统，随着免疫学研究的不断深入，免疫系统作为一个与人脑一样复杂的巨大系统，拥有遍布全身各角落的免疫细胞，它的反应机制越来越引起研究人员的重视。它具有多样性、耐受性、分布式并行处理、自组识、自适应、鲁棒性和免疫记忆的功能，可以为工程领域的计算提供新的思路。随着多学科交叉和融合的发展，近年来产生了基于人工免疫的计算科学，也就是免疫算法；并用于解决大型工程领域涉及到的大型计算或信息处理。免疫系统本身的智能性也为控制领域提供新的设计思路；主要用作求取神经网络最优参数的算法、模式识别方法、自适应控制器参数寻优的方法。　　本文基于免疫反应机制，研究免疫系统产生免疫细胞的过程，根据免疫克隆原理提出一种改进的免疫克隆算法；并将免疫算法融入到控制系统中构造一种新颖的智能控制器。　　首先，为了改变传统免疫算法涉及参数过多，稳定性差等弱点，本文引入克隆算子和浓度调节机制，构造一种新型的熵函数作为抗体多样性和选择的评价值，这主要是模拟抗体受抗原刺激反应的克隆过程和正负反馈的浓度调节机制，使得候选个体迅速扩增后能够自我调节，保证群体规模维持在一定的水平。并且还把改进的免疫算法用于典型函数的求极值操作，通过和最新的免疫克隆算法作对比，验证算法性能。　　然后，本文基于模糊神经网络(FNN)设计一种新的非线性控制器，带误差补偿功能，使控制器兼有响应速度快和鲁棒性强的优点，将所改进的免疫算法用于对其进行参数寻优，构造最优非线性控制器。通过控制倒立摆和磁悬浮等强非线性控制对象的仿真实验，验证控制器的有效性和分析性能指标。　　最后，基于免疫优化方法，把FNN作为模型误差识别的手段设计∞H非线性控制器，从理论和机器人的控制仿真验证其稳定性。此外，基于免疫正负反馈原理设计自适应免疫控制器，研究用于跟踪问题的免疫控制器设计思路，并对其鲁棒性和稳定性做定性分析。