在近几十年的研究中,具有不确定性的系统控制问题一直是学者们关注的热点,而自适应算法作为处理系统不确定性的有效算法之一,也一直备受关注。随着对系统控制性能要求的逐步提升,提出了越来越多的自适应控制方法,其中多模型自适应控制算法基于其在处理具有强不确定性系统时的优异性能,受到了广泛的研究和应用。本文分别以多模型切换和二阶自适应控制算法为基础,考察了其在处理具有参数不确定性的非线性系统和量化线性系统时的设计思路和控制性能提升。在多模型切换自适应控制算法的分析上,首先针对输出反馈非线性系统,基于Luenberger观测器设计了传统控制器和参数更新律,提出了补偿控制器策略,以减小由于状态估计误差导致的控制器误差,并进一步设计了多模型自适应观测器,提升对系统状态和参数的估计速度,进而提升系统控制性能。同时基于多模型观测器的系统能量设计切换滞留时间,有效地保证系统的稳定性。其次,考察状态量化反馈的线性不确定系统,采用确定性辨识模型的多模型切换自适应控制策略,有效避免了基于量化信号的控制器和参数更新律的复杂设计。该策略对完全匹配模型误差系统的稳定性能进行充分分析,并进行量化器的相关设计。同时采用了滞后切换控制策略,使得切换能在有限时间内停止于完全匹配模型。在多模型二阶自适应控制算法的分析上,首先对算法的基础理论和设计思路进行了详细的讨论,分析了其相对于传统自适应控制算法性能提升的基本原理,并从理论研究和仿真实验的角度进行了验证。同时,考察了基于确定性辨识模型的多模型二阶自适应控制算法的设计思路,并基于辨识误差凸组合进行稳定性分析。进一步,本文在充分分析了多模型二阶自适应控制算法在线性系统和非线性系统上理论基础的区别和联系的基础上,针对严格反馈非线性系统,设计了具有特殊形式的辨识模型集,并综合考虑系统和辨识模型集的特性进行控制器的设计。同时,基于指数收敛的优良性能,首次实现了二阶自适应算法在非线性系统中的推广。在算法具体设计上,当采用自适应辨识模型集时,以辨识模型集和被控对象为整体进行控制器和参数更新策略设计,有效保证系统的稳定性。当采用确定性辨识模型集时,控制器设计更为简便,并能够有效处理时变系统,同时基于辨识误差凸组合进行理论分析,保证算法的可行性。最后,通过实验仿真,证明了本文中算法的可行性与有效性。