直拉法在制备硅单晶的过程中存在机理假设多、多场耦合下边界条件不明确和化学变化交错且相互影响等问题，导致无法建立准确的机理模型用于硅单晶生长过程控制。针对此问题，本文以单晶炉拉晶车间的大量晶体生长数据为基础，基于互信息理论提出的最大信息系数(MIC)算法，对与晶体直径相关的特征参数进行分析，然后基于带外源输入的非线性自回归(NARX)动态神经网络，建立多输入单输出的等径阶段晶体直径预测模型，并对三台单晶炉拉晶数据进行直径预测，预测的平均均方误差值为0.000 774。最后将NARX动态神经网络同反向传播(BP)神经网络进行对比分析，验证了该模型的优越性。结果表明，NARX动态神经网络为晶体直径的控制提供了一种更准确的辨识模型。

基于容错控制和积分滑模控制理论的研究, 对飞行器姿态进行控制, 使其具有容错性能。飞行器模型考虑一类具有不确定性以及可能存在执行器故障的非线性系统, 针对该系统设计积分滑模控制器, 使系统即使在执行器故障情况下也能保持较理想的控制特性。同时也对该系统分别设计基于Lyapunov直接法和常规滑模理论的控制器, 便于仿真验证中作为比较。在有无执行器故障的情况下, 观察3种控制对状态变量的影响效果, 比较常规滑模和积分滑模控制下的抖振情况, 结果表明积分滑模控制在控制效果和减弱抖振方面表现更好。