针对多变量、强耦合、非线性、参数跳变的复杂工业过程,基于线性系统理论的单回路常规控制方法难以得到令人满意的控制结果.如何实现这类生产过程的自适应解耦控制,引起了控制学者和工程师们广泛关注.为了解决上述问题,本文研究了最小相位系统、非最小相位系统和非线性系统的多模型自适应解耦控制器的设计问题,提出了常规解耦控制器、分层递阶解耦控制器和逐维定位解耦控制器,并以亚洲最大的2.4m×2.4m引射式跨音速风洞为背景进行了仿真应用研究.针对线性离散时间非最小相位系统,设计多模型自适应解耦控制器.该多模型控制器基于控制器参数模型集直接选取控制器,其控制器参数模型集可由系统参数模型集直接得到,并保证完全覆盖.该控制器采用前馈方法消除系统耦合,实现静态解耦.通过加权多项式矩阵的选择,可以消除系统的稳态误差.由于多模型的引入极大地提高了系统的暂态性能,因而得到令人满意的解耦效果.最后给出全局收敛性分析.为了解决多模型控制方法中模型数目巨大,计算时间长等问题,针对线性最小相位和非最小相位系统提出了基于分层递阶结构的多模型自适应解耦控制器.该控制器基于性能指标逐层搜索最优模型,动态构造固定模型集实现完全覆盖,因而减少固定模型数量,缩短计算时间.与常规多模型控制方法比较,当模型数目相同时,系统的暂态响应、解耦效果得到极大改善.最后给出全局收敛性分析.在将上述方法推广到多变量多参数系统时,提出了采用逐维定位的多模型自适应解耦控制器.该方法将多维空间的并行寻优问题转化为多个一维空间的串行寻优问题,每一次固定其他参数、只针对一个参数的寻找最优模型,可大大减少系统模型集的数量.对于多变量非线性离散时间系统,提出多模型神经网络自适应解耦控制器.利用多个神经网络在不同平衡点处逼近被控系统,在每个平衡点处进行Taylor展开,利用一神经网络离线逼近系统的线性部分,利用另一神经网络在线逼近系统的非线性部分,采用前馈方法消除被视为可测干扰的非线性部分,基于性能指标选取最优模型并据此设计控制器进行控制.2.4m×2.4m风洞是亚洲最大的引射式跨音速风洞,具有气源容量小、吹风时间短、对暂态响应的要求高、耦合强烈等特性,常规PID方法难以得到良好的控制效果.本文采用分层递阶结构的多模型自适应解耦控制器进行仿真研究.仿真结果表明该解耦控制器的解耦效果明显优于常规解耦控制器、常规自适应解耦控制器和常规多模型解耦控制器,为工程应用提供了理论基础.