随着科学技术的发展,控制系统中的对象与应用场景越来越复杂,基于机理建模的数学模型并不能完全有效地描述系统动态特性。无模型控制方法作为一种无需过度依赖数学模型信息的新兴方法逐渐成为研究热点,目前已有多种无模型控制方法。随着系统的非线性、不确定性和扰动越来越复杂,无模型控制方法也需进一步优化控制结构并相对提高控制精度和自适应程度。本文在法国Fliess的基于代数估计的α恒定智能PID控制基础上,提出一种基于代数估计的α可变无模型反演控制法。本文研究内容主要为如下四部分:首先,针对系统动态特性的快速估计问题,提出一种非渐进收敛代数估计法。从介绍代数法的研究背景和理论基础入手,针对膝关节外骨骼系统,推导基于代数法的角度、角速度和角加速度估计表达式;然后结合Matlab仿真验证估计算法的准确性;最后阐述非渐进收敛代数估计法的特点和应用场合。其次,为进一步提高智能PID控制（iPID）的精度,提出一种基于代数估计的无模型反演控制法（MFBC）。首先介绍智能PID控制方法的设计步骤;然后推导反演控制表达式用以替代PID控制器并证明其稳定性;最后结合Matlab仿真,比较iPID和MFBC两者控制效果。然后,针对MFBC中参数整定方面,引入粒子交叉更新的遗传粒子群算法（GAPSO）,提出一种遗传粒子群算法优化的基于代数估计的无模型反演控制法（GAPSO-MFBC）。首先介绍粒子群算法（PSO）的基本流程;接着将遗传算法（GA）中的交叉、变异操用于粒子群算法的更新部分;然后利用GAPSO算法搜寻反演控制器的较优参数;最后通过Matlab仿真验证GAPSO算法的合理性和GAPSO-MFBC的有效性。最后,为了优化MFBC内部结构并进一步提高其自适应程度,提出一种基于代数估计的α可变无模型反演控制法（α-AMFBC）。首先解释极局部模型中参数可变的必要性;然后分别用梯度投影算法和递推遗忘因子最小二乘算法估计控制通道增益α,最后通过Matlab仿真将四种方法的控制效果进行对比,验证算法的有效性与优越性,将无模型控制上升为无模型自适应控制。