随着计算机控制理论深入研究与广泛应用,大多数复杂系统的控制问题都可以转换为非线性离散时间系统的控制问题。由于实际工业被控对象大都具有非线性、多工况、快时变等特点,传统控制方法难以获得令人满意的控制效果。基于神经网络的非线性自适应控制可以成功的对非线性系统进行辨识与控制,但是由于多层神经网络结构和非线性映射的复杂性,此类系统的稳定性难以分析。多模型自适应控制方法能够在保证系统的稳定性同时提高系统的控制性能,但是该方法假设非线性系统的高阶非线性项是全局有界的,零动态全局一致渐近稳定,这限制了该方法的应用范围。为了拓展多模型自适应控制方法的适用范围,本文提出了几类改进的多模型自适应控制方法,逐步放宽非线性系统的假设条件,从而扩宽了多模型自适应控制方法的应用范围。本文的主要研究工作归纳如下：(1)针对一类由非线性自回归滑动平均模型描述的非线性离散时间系统,提出了一种新的多模型自适应控制方法。控制器由非线性鲁棒自适应控制器、基于神经网络的非线性自适应控制器和切换机构组成。该方法把系统非线性项的全局有界条件放宽为零阶接近有界,拓宽了控制系统的适用范围。通过增加对系统的互作用矩阵和传递函数的合理假设,将该方法推广到非线性多变量系统的控制中。论文证明了该类控制系统的有界输入有界输出(BIBO)稳定性和跟踪误差的收敛性,并且进行了仿真验证。(2)为了进一步扩大多模型自适应控制方法的应用范围,针对线性有界非线性离散系统,提出了一种基于人工神经网络的多模型自适应控制方法。该方法利用线性模型和人工神经网络模型同时对系统进行辨识。在每一个系统时刻,由切换机构选择性能较好的控制器进行控制。该方法通过引入带正则化的鲁棒自适应律来更新线性模型参数,将系统非线性项的有界条件放宽到线性有界,也不再要求系统具有一致渐近稳定的零动态系统。论文对闭环系统中所有信号的有界性和跟踪误差的收敛性进行了理论证明和仿真验证。(3)针对一类差分线性有界的非线性离散时间系统,提出了多模型直接自适应控制方法。该方法通过引入增量模型和动态正则化的自适应律,将系统非线性项的有界条件放宽至差分线性有界。当该类系统的零动态系统不稳定时,提出了基于极点配置控制策略的非线性多模型间接自适应控制方法。论文证明了闭环控制系统输入输出信号的有界性。(4)针对一类未知参数属于有限集的不确定非线性离散时间系统,提出了一类非线性多模型自适应控制方法。该方法由有限多个非线性候选控制器和切换机构组成。论文首先证明了当一类非线性离散时间切换系统的子系统输入状态稳定时,在平均驻留时间切换信号下切换系统也具有输入状态稳定性。其次证明当所提方法可以保证子系统输入状态稳定时,非线性离散时间系统的状态有界,并对所提算法进行了仿真实验验证。