无模型自适应控制(MFAC)是一种典型的数据驱动控制方法，它不需要被控系统的数学模型，仅利用被控系统的离线和在线输入输出数据就可以实现控制器的设计，并且当系统的参数或结构发生变化时也可以实现很好的自适应控制，该控制方法在实际应用中已取得了很多成果。　　本论文首先介绍了MFAC方法中的泛模型、特征向量等基本概念和基本理论，对其稳定性和收敛性进行分析，在Matlab中实现了基于紧格式和偏格式动态线性化的无模型自适应控制算法，并对典型的非线性系统进行了仿真实验，研究了控制参数λ、ρ、η、μ对系统动态性能的影响，特别是针对循环流化床锅炉不同负荷下的床温温度进行控制，仿真结果表明该方法能够适应锅炉燃烧过程中模型多变的问题，取得了良好的控制效果；　　然后，针对无模型自适应控制的测量扰动问题，分析了测量扰动对系统的影响，提出带有跟踪微分器的改进算法，该改进算法是把自抗扰控制器(ADRC)中的跟踪微分器作为反馈滤波器引入到无模型自适应控制回路中，利用其滤波特性将输出信号从噪声中分离出来，从而有效抑制测量干扰，增强无模型自适应控制抑制干扰的能力，仿真结果验证了该改进方法的有效性；　　最后，结合无模型自适应控制中“泛模型”的思想和预测控制思想，采用多层递阶预报的方法对泛模型中未来的特征向量进行预测，从而得到泛模型的预测模型，再根据优化性能指标，得到无模型自适应预测控制算法。仿真结果表明，由于未来输入输出信息的引入，无模型自适应预测控制能够在一定程度上获得比无模型自适应控制更好的控制效果。