近年来,系统的瞬态性能越来越受到广大研究者的关注.伴随着预设性能概念的提出,系统的瞬态性能以及稳态性能同时被考虑.预设性能的定义是跟踪误差必须收敛到预定义的任意小的残差集内.同时,收敛速度,超调量必须保证满足之前设置的条件.本文针对几类具有预设性能的非线性系统,利用神经网络来估计未知非线性函数,将K滤波器方法以及MT滤波器方法与动态面控制方法相结合,提出了几种自适应输出反馈控制方案,本文的主要工作如下：第一,针对一类具有预设性能和未建模动态的输出反馈非线性系统,提出了一种自适应动态面控制方案.利用径向基函数神经网络来估计未知非线性函数.引入K滤波器来估计系统不可量测状态.为了抵消系统的未建模动态,引入一个可量测得动态信号.通过构造性能函数和输出误差转换器将原系统转换为其等效系统.使用动态面控制方法来避免传统后推控制的复杂性膨胀问题.通过稳定性分析,证明了闭环系统所有信号半全局一致终结有界且跟踪误差满足预设性能指标.通过仿真结果证明了该方案的有效性.第二,针对一类具有预设性能和不可量测状态的输出反馈非线性系统,分别提出了基于构造方法的自适应动态面控制方案以及基于Nussbaum函数方法的自适应动态面控制方案.利用神经网络来估计未知非线性函数.使用MT滤波器和状态观测器来估计不可量测状态.引入一个可量测的动态信号来抵消系统未建模动态.引入性能函数和输出误差转换器,将原系统转换为等效系统.根据新的误差信号和观测器的部分状态,提出了自适应动态面控制律以及参数自适应律.为了避免传统后推设计存在的复杂性膨胀问题,引入动态面控制方法.通过理论分析,证明了闭环系统所有信号半全局一致终结有界且跟踪误差满足预设性能指标.最后,分别通过数值仿真以及应用实例仿真,表明了该方案的有效性.第三,针对一类具有预设性能和未知死区的不确定互联输出反馈非线性系统,分别提出了集中和分散自适应动态面控制方案.利用径向基函数神经网络处理未知非线性函数.通过构造性能函数和输出误差转换器,将原系统转换为等效系统,使预设性能控制问题转换为稳定性分析问题.为了估计每个子系统的不可量测状态,构造了基于MT滤波器的分散观测器.通过引入动态面控制方法,有效的避免了传统后推设计的复杂性膨胀问题.对应系统的集中与分散控制,分别提出了两种控制律与自适应律.通过理论证明,保证了闭环系统所有信号半全局一致终结有界且跟踪误差满足预设性能指标.仿真结果表明了方案的有效性.