由于现代工业生产过程的复杂性、非线性和不确定性,实际工业过程中,控制系统中的被控对象参数或者结构会发生变化,一般无法获得其精确的数学模型。因此,无模型自适应控制方法成为了自动控制发展的一个重要方向。无模型自适应控制方法是一种不需要被控过程数学模型的自适应控制方法,是指控制器的设计不包含受控过程的任何数学模型信息,仅利用被控系统的输入输出数据的控制理论与方法,具有很强的参数自适应性和结构自适应性。本文在无模型自适应控制方法的基础上,用神经网络对被控对象进行辨识,并用神经网络输出对控制输入的偏导数代替伪偏导数,提出了基于神经网络辨识器的无模型自适应控制方法。通过仿真研究证明了所提出的方法具有更好的控制效果。本文主要完成了以下的内容：首先,介绍了神经网络的相关理论。针对神经网络直接逆控制器设计方法,给出几个具体的算例进行了仿真分析。由仿真结果可知,该方法对于可逆系统具有良好的控制性能,而对于不可逆系统无法达到很好的控制效果。其次,针对不可逆系统,对神经网络设计控制器的方法进行了两种改进,改进后的神经网络控制器,对于不可逆系统进行仿真分析。由仿真结果可知同,改进后的控制器对不可逆系统达到了较好的控制效果,具有良好的控制性能。最后,分析了无模型自适应控制方法,给出了无模型自适应控制律的推导过程。利用BP神经网络对被控对象进行辨识,提出了基于BP算法的无模型自适应控制方法。通过对具体算例的仿真分析可知,基于BP算法的无模型自适应控制方法控制性能优于无模型自适应控制方法。