为了解决对受控对象数学模型结构的依赖和未建模动态的问题,自适应控制领域提出了无模型自适应控制的概念,即不需要建立被控对象的数学模型,直接利用系统的输入输出数据来设计控制器对系统进行控制。无模型直接自适应控制从方法上讲更加贴近真实意义上的控制思想,而非模型论。实践中,因为避免了建立数学模型的过程,使其应用更为广泛。由于随机逼近算法具有算式结构简单,不需要对象的具体数学模型以及对含有噪声的数据有较好的处理能力等特点,使其非常适用于无模型直接自适应控制。因此,本文在对随机逼近算法进行研究的基础之上,主要侧重于研究基于随机逼近算法的无模型直接自适应控制。通过各种控制方案进行分析研究,发现存在的问题,并对方案进行进一步的改进。本文在研究直接自适应神经网络控制(DA-NNC)中发现,系统的跟踪响应存在一定程度的偏差,针对这一问题提出了加入PID补偿器混合控制的方案,并通过仿真验证了混合控制可以有效地减小系统跟踪响应偏差。另外,在针对虚拟参考概念的研究中,深入讨论了滤波器在系统设计中的重要作用,给出了其具体的计算形式。并结合虚拟参考的概念,提出了基于随机逼近算法的虚拟参考无模型直接自适应控制,最后,通过仿真例子验证了控制方法的正确性和实用性。本文还对基于随机逼近算法的无模型直接自适应控制,提出了一些需要深入研究和探讨的问题。