本文针对具有执行器故障的多输入多输出(multi-input multi-output，MIMO)非线性最小相位系统的容错控制(Fault Tolerant Control, FTC)问题，分别考虑系统不同执行器故障类型、容错控制系统的动态性能、非线性系统的不确定性和执行器分组等方面的因素，利用反馈线性化、反演控制、自适应控制、神经网络以及多模切换等方法，提出了一套自适应补偿控制方案。结合某型飞机，开发了飞行控制仿真平台，利用该平台对所提自适应补偿控制方法进行了仿真验证。首先，对于一类具有多重执行器故障的MIMO非线性最小相位系统设计了自适应补偿控制方案。考虑系统的执行器卡死和部分失效故障，在微分几何反馈线性化的基础上，设计了基于PPB (prescribed performance bound)方法和反演控制的自适应补偿跟踪控制律。设计的控制律能够保证系统在执行器故障时闭环稳定，渐近跟踪给定的参考信号，而且具有确定的动态性能。在此基础上，考虑具有不确定性，在利用径向基函数(Radial Basis Function, RBF)神经网络对系统不确定性进行估计的基础上，利用PPB控制和反演控制设计方法设计自适应补偿控制律。在设计的自适应补偿律控制下，闭环系统能够在故障发生时仍然保持稳定。然后，在MIMO非线性系统的执行器故障容错控制问题中，控制器能够处理的执行器故障集合的大小与执行器分组方法具有很大关系。为了扩大系统可处理的执行器故障集合，针对一类具有执行器故障的MIMO非线性最小相位系统，提出了基于多模型切换(MMST)的执行器分组的自适应补偿控制方法，设计了基于PPB控制方法和反演控制的自适应补偿跟踪控制律。所设计的控制律能够保证系统在执行器故障时闭环稳定，渐近跟踪给定的参考信号，而且提出的分组方法扩大了可补偿的执行器故障集合。在前面研究基础上，将MMST分组方法的应用对象扩张为具有不确定性的MIMO非线性系统，由于系统的不确定性会对辨识模型的跟踪增加难度，所以在设计辨识模型库时采用神经网络估计不确定性以消除影响。并设计了基于PPB控制方法和反演控制的自适应补偿跟踪控制律。所设计的控制律能够保证系统在执行器故障时闭环稳定，渐近跟踪给定的参考信号。本文中所设计的控制律均结合某型飞机进行了飞行控制仿真，仿真结果表明所提方法的有效性。最后，本文开发了飞行控制仿真平台。利用VC (Microsoft Visual C++)设计仿真平台的控制界面，利用MATLAB实现飞行控制模型的后台计算和运行功能，应用网络编程等技术实现各部分之间的数据传输，并使用MATLAB引擎实现VC对MATLAB模型的控制。所设计的飞行仿真平台能够对飞行容错控制进行实时仿真，为理论研究成果的工程应用打下基础。