在现代控制领域中,所面对的物理对象往往是高阶次的复杂系统,随着近年来鲁棒?H控制方法的成熟发展与广泛应用,利用鲁棒?H控制方法所设计的控制器阶次往往不低于广义对象,考虑到阶次很高的问题,无论是从编程或工程实现的角度来说,还是经济的成本,都会造成较大困难,因此希望?H控制器的阶次尽可能的降低。本文针对?H控制器降阶问题,将模型降阶算法应用于?H控制器的降阶。对模型降阶的几类算法作了研究,并且作用于?H控制器降阶,分别作了比较仿真以及分析了算法的优缺点,最后提出了一种基于信息损失最小准则改进的降阶算法。主要工作有:1、对基于奇异值分解的平衡截断降阶算法作了研究,该类算法的关键在于通过计算奇异值确定降阶的阶次,后通过平衡变换法找到合适的变换矩阵T进行平衡截断降阶。对于稳定的原始系统来说,算法能够保证降阶稳定性,对低阶?H控制器的降阶表现较好。2、研究了基于Krylov子空间理论的最小二乘降阶算法,该算法以降阶系统匹配原始系统的若干矩为降阶指标,分别对连续和离散的系统应用多点插值的方法,经算例验证该算法对?H控制器的降阶效果不佳。3、研究了基于信息损失最小准则的降阶算法,该算法在?H控制器的降阶中降阶控制器的控制概率不高,有时不能获得控制效果。基于此,提出一种新的改进算法,结合平衡截断法,仿真表明所提改进降阶算法能进一步减少?H控制器降阶的系统误差,能够保证降阶控制器的稳定性和预期指标,提高?H降阶控制器的闭环控制概率。