对于实际应用中的复杂系统而言,通常存在由于多种类型干扰的存在而造成的系统工作效率下降等问题,这种类型的问题也正是整个控制领域重点研究的问题之一。目前已有一些控制算法能够在一定程度上缓解效率下降的问题,但是一般控制系统中,控制器一旦设计完成之后,其参数不便更改。针对此类问题,在多种类型干扰作用的控制系统中,本文在上层通过规划与调度获取最优设定值,然后应用两层结构运行优化控制方法结合其它控制方法来优化性能指标,最终优化指标从而达到最优的目的。本文研究的多种类型干扰包括,非高斯干扰、高斯干扰、谐波干扰以及不确定性干扰等干扰作用的系统,并结合车载微机械惯性导航系统进行算法有效性的验证。由于本文所研究的运行优化控制算法均以状态可测作为前提条件,对于不可测的状态变量,本文将粒子滤波方法与最大相关熵方法结合对惯性导航系统的状态进行准确估计。本文的具体工作可以描述为如下:1、针对外部动态干扰及非高斯噪声同时作用的非线性随机系统,首先设计PID控制器,来提升系统的跟踪性能;通过设计干扰观测器来估计外部动态干扰,然后通过反馈控制策略对作用于非高斯系统的外部干扰进行补偿;基于最优熵理论建立关于跟踪误差的性能指标,随后设计补偿控制器来抑制随机噪声,且不改变回路中的PID控制器的机构参数。最终使得系统的抗干扰性和闭环回路的稳定性同时得到保障。2、针对同时具有随机性、非线性以及不确定性作用的高斯随机系统,首先,采取传统两层运行优化控制框架结构,在底层设计PID控制器保证控制系统的跟踪性能;其次,根据作用于系统的复合噪声类型,在上层设计干扰观测器以及补偿控制器进行干扰抑制,以使系统的输出能够跟踪最优设定值;接着通过H∞方法对控制系统进行稳定性分析,最后结合数值仿真来验证本算法的有效性。3、针对非高斯噪声作用的车载微机械惯性导航系统,以粒子滤波算法思路为基础,采用基于最大相关熵的无迹卡尔曼滤波方法。为了避免量测函数的线性化,构造了非线性回归模型进行状态估计,文章最后采用惯性导航系统MATLAB工具箱分别通过数值仿真和实验仿真对算法进行有效性验证。