在实际控制问题中,对于含有种种不确定性的被控对象,传统的自适应控制算法往往难以获得满意的控制效果,甚至无法控制。采用基于分解-合成策略的多模型自适应控制是解决非线性、变工况、参数不确定性等复杂问题的一种有效方法。本文针对传统自适应控制和现有多模型自适应控制理论和方法中存在的问题,将神经网络的非线性逼近能力与多模型切换的思想相结合,研究面向复杂系统的基于神经网络集合的多模型控制方法。本文的主要研究内容包括：(1)基于神经网络集合的多模型控制方法的理论研究,包括多模型控制、神经网络和两者结合的方法的理论介绍与研究；(2)以具有不确定性、时滞和非线性的三容水箱液位控制系统为实验平台,研究神经网络多模型控制方法在过程控制中的应用。其基本设计思想是：利用神经网络能够以任意精度逼近任意非线性函数的特性,对非线性对象进行辨识。一般来说,系统不确定性都是有界的,即非线性对象参数变化空间是有限的。将这个有限参数空间划分为N个子空间,对每一个参数子空间建立一个神经网络模型。N个神经网络模型构成一个神经网络集合。利用这个神经网络集合来构造非线性系统控制器,并采用线性加权过渡算法实现多个神经网络控制器之间的平滑切换。控制算法采用STEP7语句表语言编程实现。所设计的三容水箱液位控制系统对系统特性变化表现出较好的鲁棒性,验证了设计方法的有效性；(3)基于神经网络集合的多模型控制方法在实际项目中的应用。该项目是与中国直升机设计研究所合作的直升机旋翼测试系统,其中的液压泵控制系统中,有本地／远程手动／远程自动三种控制方式,其中远程自动控制方式有电机转速上升过程曲线要根据实际负载自适应变化的要求。根据不同的负载设计好不同的曲线后,用神经网络拟合这些曲线,因为不同的负载在同一上升曲线运行时,电机电流会不一样,所以利用电机电流作为多条上升曲线的切换依据,采用直接切换的策略,对转速上升曲线进行切换。文中还对其系统结构、硬件设计、通讯网络等主要工作进行了详细分析。