时变或不确定性系统的控制一直是控制领域的难题，因此自适应控制的研究具有很高的理论价值和现实意义。经过近半个世纪的发展，各种自适应控制方法在理论上已经得到了广泛的研究。但是应用在实际中的却只有多模型自适应控制和增益调度自适应控制等开环自适应控制方法，一些闭环自适应控制方法如极点配置自适应、模型参考自适应控制由于其过分依赖精确的对象模型，始终没有在实际中得到广泛应用。本文提出了一种基于闭环系统响应特征的自适应控制方法。主要研究内容包括闭环系统特征的提取和基于特征的整定方法。主要研究成果概括为以下几点： (1)针对现有的自适应控制方法过分依赖精确的对象模型的问题，提出了一种基于闭环系统响应特征的自适应控制方法。与经典的自适应控制方法相比，该方法不需要知道对象的结构或结构参数，更不需要知道对象的精确模型。同时不仅能够自适应控制参数时变的对象，而且能够自适应控制结构时变的对象。 (2)提出了通过辨识闭环系统的通用模型来提取闭环系统的响应特征。本文辨识的目的并非是要辨识精确的闭环系统模型，而是通过辨识来提取闭环系统的响应特征。根据根轨迹理论可知，反馈作用使得闭环系统的极点分离为主导极点和非主导极点。因此闭环系统的响应特征主要是由主导极点的数量和位置所决定的，所以本文根据主导极点的数量来确定闭环系统模型的结构。通过理论分析和仿真得出：对于各种阶跃响应为S型或J型的对象与PID控制器组成的闭环系统，都可以利用三阶模型来识别其响应特征，因此三阶模型被称为通用模型。 (3)利用提取到的闭环系统特征，提出了基于神经网络的自适应控制方法。首先利用神经网络拟合了闭环系统特征与对象参数变化率之间的函数关系，从而实现了基于特征量的自适应控制。为了扩展神经网络的适用范围，提出了用多个典型对象的样本来训练神经网络的方法。在与其他自适应控制方法的对比中发现：本文提出的方法使用简单、无需对象模型、适用范围较广且易于改进。对于无法建立准确的对象模型，或对象的结构发生时变的情况，使用本文提出的方法效果较好。 (4)提出了基于整定规则的自适应控制。利用专家经验和遗传规划分别实现了比例系数和积分时间常数的整定规则，该规则不仅简单，而且具有很强的通用性。通过比较神经网络与整定规则这两种整定方法可知：神经网络在精度方面要优于整定规则，而整定规则在泛化能力上要强于神经网络。最后还针对样本更加复杂的PI控制系统，提出了参数时变的整定规则。 (5)提出了时变积分对象的自适应PI-P控制。通过分析现有的针对积分对象的PID控制器设计方法，指出现有的PID控制器设计方法大都只是片面的强调了在某个方面的优越性，并没有完整的考虑到实际中存在的各种问题。对此提出了PI-P的控制结构，与其他的PID控制结构相比，当系统中存在定值输入、负载干扰和噪声的情况下，PI-P控制器能够得到较好的综合品质。同时仍然可以利用三阶通用模型来识别积分对象闭环系统的响应特征，并利用整定规则实现了参数或结构时变的积分对象的自适应控制。