对于传统的自适应控制，当待辨识参数的初始值与真实值误差较大时，会导致过长的参数辨识时间，且系统的暂态性能会变差。因此，本文提出了多模型自适应控制方法(Multi-model Adaptive Control，MMAC)，该方法对被控对象的不确定性进行分析，建立多模型集逼近真实模型，并且采用切换或者混合策略提高其暂态性能。本文以线性离散时间系统为研究对象，对多模型自适应控制方法做出了改进，提高了控制品质。　　首先针对一类线性离散定常系统，提出了基于切换策略的多模型自适应控制方法;该方法有效地解决了被控对象存在不确定性或者参数跳变情况下产生的系统稳定性问题。然后提出了基于混合策略的多模型自适应鲁棒控制方法，该方法采用H∞理论设计离线候选子模型控制器，保证子模型的鲁棒稳定性，并且采用混合信号对子控制器进行混合，其保证了子控制器的平滑切换，解决了硬切换带来的输出持续振荡的问题，同时该方法具有很好的抗干扰性。最后，在第三章节的基础上，提出了基于运动趋势策略的多模型混合自适应鲁棒控制方法，该方法解决了传统的基于混合策略的多模型自适应鲁棒控制方法的参数估计值在重叠子区间过渡缓慢的问题;该方法对监督机构进行了改进，充分利用辨识过程中获得的信息分析参数估计值在重叠子区间的运动趋势，实时动态地调节混合信号的权值，加快参数估计值在重叠子区间的过渡，提高了系统的响应性能。