传统的自适应控制基于一个时不变、慢时变或含有未建模动态的被控对象，但在实际过程控制中一些偶然事件，如系统故障、传感器或执行器故障、外界扰动，将使被控对象的模型发生很大的变化，常规自适应控制很难适应这种模型的突变，造成瞬态响应很差。多模型自适应控制基于智能控制思想对被控对象建立多个模型覆盖其模型不确定性，进而基于切换指标设计多模型控制器，是近年来解决此类问题的一种有效方法。多模型自适应控制目前已在飞行器控制、机器人跟踪控制、化工过程控制中得到了广泛的应用，今后还会有更广泛的应用前景。 本文针对含有跳变参数的时变线性系统、非线性系统，建立多种不同的多模型自适应控制器，并对优化模型集的建立、指标切换函数的选择作了系统的研究工作。全文概述如下： 第一章概述了多模型自适应控制的产生、发展、现状，并对多模型自适应控制的前景进行了展望，提出待解决及完善的问题，给出了一些实际应用的例子，同时介绍本文的主要工作。 第二章针对一类含有跳变参数的线性系统，建立多模型集，构成最基本的基于切换函数的间接多模型自适应控制器，并通过大量的仿真实例对线性系统多模型自适应控制算法的性能进行了详细深入的研究。 第三章针对一类含不确定参数的非线性被控对象，采用多个神经元网络辨识系统参数，基于一定的切换原则，构成多模型自适应控制器，并通过仿真实例，对多神经元模型和单神经元模型的控制效果进行比较。 第四章研究了基于加权和形式的多模型自适应控制，针对一类线性系统建立多个自适应控制器，然后用遗传算法来搜索这些控制器的最优权值，进而加权作为系统控制输入，并给出了仿真实例。 第五章研究了参数与噪声都不确定的随机系统的多模型自适应控制，通过建立多个卡尔曼滤波器，根据条件概率计算滤波器的权值来辨识系统参数，然后利用权值与控制器的加权和构成控制输入，并给出了仿真结果。