目前，以PID控制为代表的传统控制算法以及以近几十年来发展起来的预测控制算法为代表的先进控制算法无论是在理论上还是实际工业应用中都已经非常成熟。并且这些算法从产生开始就是针对线性被控对象的一类算法，我们可以通称其为线性控制算法。然而，实际的被控系统几乎全都是非线性的，只是它们的非线性有强有弱。对于那些非线性较弱的被控对象，我们可以把它们看成线性系统来进行控制。但是好多被控对象的非线性都比较强，我们再把它们近似看成线性系统来处理，就已经达不到我们的要求了。况且好多时候我们对一些控制的要求比较高，面对这种现实，线性控制算法已经显得力不从心了。　　 鉴于线性控制算法面临的这些困难，非线性控制算法的研究近些年来已经成为控制领域内的一个热点，本论文就是针对非线性控制算法展开的。并且在本文中，内容的重点就是针对几种非线性控制算法的建模问题展开的。因为，对于非线性控制算法，一个良好反映被控对象特性的模型是控制算法实施的基础。其次，针对神经网络对非线性系统具有良好的逼近特性及其具有自学习的特点，介绍了两种最常见神经网络的辨识算法。并在此基础上，介绍了三种神经网络在非线性控制领域内的应用。在第三章中，介绍了一类实验模型，重点对它们之中最常用的两种Wiener模型和Hammerstein模型进行了简单介绍。并针对Hammerstein模型，提出了一种基于Hammerstein模型的非线性预测控制算法，并对算法在一个pH中和过程上进行仿真，验证了该算法的有效性。本论文的最后一部分是过程控制实验的研究。首先是通过OPC技术实现了MATLAB和组态软件的数据通讯，建立了一个在MATLAB的M文件中编写控制算法，实现对A3000过程实验装置控制的平台。在此基础上，实现前面研究的几种非线性控制算法对控制装置上的非线性单容水箱的液位控制，检验这些算法在实际过程控制系统中的控制效果。