随着控制理论的发展和实际工业过程的需要，对存在大量不确定因素的动态复杂系统的控制成为当今控制界研究的热点之一。这些不确定的因素包括:系统参数变化较大、系统故障、较大的外部干扰、传感器或执行器故障等。　　本文主要研究的是不确定性系统的建模与控制问题，为解决实际系统中存在大量不确定因素的问题，采取多模型的方法对其进行控制，分别对概率加权和切换方式的多模型自适应控制进行了细致地讨论，对非线性系统的神经网络建模也进行了详细地研究。论文主要研究内容包括:　　(1)介绍了多模型控制思想及其基本理论，对模型切换方式以及控制器设计进行了重点讨论。　　(2)介绍了线性二次型高斯型(LQG)问题的解决方法;针对不确定参数存在于系统方程的问题，采用多个模型控制器概率加权的方法，获得多模型控制器。　　(3)研究了模型集的构成以及系统参数估计问题;分别详细证明了确定性系统和随机系统的切换式多模型自适应控制的稳定性和收敛性。　　(4)对于复杂非线性系统的神经网络建模进行了详细地介绍，重点研究了基于高斯径向基函数的神经网络建模的具体方法，提出一种混合聚类方法确定径向基函数的中心，并利用卡尔曼滤波确定神经网络权值。　　文中给出的实例仿真验证了所研究的建模及控制算法的有效性。