由于几乎所有的系统都具有非线性的特性,同时,时滞现象是普遍存在的。时滞的存在往往是系统不稳定和系统性能变差的根源。控制对象的不确定性和时变性一直都是研究者面临的具有挑战性的问题。本文主要研究非线性时滞系统的神经网络自适应控制器设计问题,利用神经网络,自适应控制,Lyapunov稳定方法,Young不等式,误差滤波理论,隐函数定理,泰勒公式和中值定理等理论为基础对闭环控制系统进行设计与分析。本论文的主要工作如下:第一章主要是介绍了神经网络和自适应控制的背景以及基本知识。第二章研究了一类不确定非仿射非线性时滞系统,提出了一种神经网络的自适应控制器。利用隐函数定理、泰勒展开式和中值定理,把非仿射非线性时滞系统转化为仿射非线性时滞系统,同时利用神经网络可逼近任意非线性函数的能力,结合误差滤波理论及Young不等式处理时滞项。根据Lyapunov理论,在一定的条件下,给出了系统稳定的充分条件,并给予证明。该控制器保证了跟踪误差收敛,从而说明该控制器是有效性的。第三章是在第二章的基础上将系统转化为带有外界干扰,状态不可测的非仿射非线性时滞系统,提出了一种神经网络的自适应控制器。利用隐函数定理,泰勒公式和中值定理,把非仿射非线性时滞系统转化为仿射非线性时滞系统,控制器的设计用于减弱外部干扰及神经网络逼近误差。在设计中,未知时滞通过Young不等式处理和补充,基于Lyapunov稳定性理论的权值更新律保证了系统的稳定性以及跟踪误差渐进收敛于零。理论分析及数值例子均证明了该方法的有效性。第四章研究了基于神经网络鲁棒自适应对一类带有未知函数和未建模动态的非线性时滞系统。通过神经网络的RBF以及在线逼近未知函数和未建模动态,利用Young不等式处理时滞项,该设计方法不需要未知参数的先验知识,利用所提出的控制律,证明了闭环系统是稳定的并具有较好的跟踪性能,同时保证了跟踪误差,控制信号是有界的。理论分析及仿真例子均证明了该方法的有效性。第五章是对本论文的简要总结和展望。