在解决高度非线性和严重不确定系统的控制问题方面,模糊逻辑系统和神经网络有强大的逼近能力。自适应模糊/神经网络控制是基于自适应方法的基本原理,利用模糊逻辑系统/神经网络的特点和理论设计而成的,这为非线性控制的研究提供了一种新方法。另一方面,非线性系统的自适应控制可大致分为状态反馈控制和输出反馈控制。状态反馈控制适用于所有系统状态已知或可测量的情况。考虑到大多数状态信息在实际应用中很难获得,因此使用观测器来估计这些不可测量的状态。此外,实际系统中还存在各种非线性现象。这些非线性现象是饱和、约束、故障等,往往会导致系统性能的下降,甚至可能破坏系统的稳定性。本文利用反步后推方法和李亚普诺夫稳定性理论,研究了基于观测器的自适应控制的背景下的几类状态不可测的非线性系统自适应控制问题,并给出了本文的结构如下:引入光滑函数对饱和函数中的非线性进行补偿;利用障碍李亚普诺夫函数保证系统输出保持在预定界限内,基于触发事件触发条件和执行器故障模式,进而引入一个中间信号来获得控制器。结合自适应模糊/神经方法与李亚普诺夫稳定性理论,设计了控制器。最后,通过仿真实例验证了所提结果的有效性。