近些年来,随着对实际工程控制系统的深入研究发现,出于对系统性能、系统安全以及可能存在的物理饱和等现象的考虑,实际工程控制系统都对其运行过程中的状态有着严格的指标要求。若系统运行中出现某些不理想的状态值,则可能致使整个系统的运行产生不可预知的情况。由此,愈来愈多的学者加入了研究控制系统的状态受限问题。考虑到实际工程系统多具有较强的非线性特征,并且存在各种不确定性成份(如:模型参数不确定性、测量误差不确定性以及外部干扰等等),同时,在运行过程中还不可避免会存在受限输入驱动特性(如:输入死区、饱和以及驱动故障等等),而这些因素均会对非线性控制系统的性能产生不可预知的影响,因此,本论文基于具有简易结构、鲁棒性强等特点的神经网络自适应PI控制算法,对输入和状态同时受限的不确定性非线性系统的控制问题进行研究。第一,针对存在输入死区以及饱和的不确定非线性系统设计自适应PI控制算法。通过在反演设计方法的每一步骤中使用神经网络逼近原理,可以成功处理系统模型的不确定性以及非光滑受限输入驱动特性带来的问题。再通过将受限李雅普诺夫函数(BLF)与虚拟参数的概念相结合,设计神经网络自适应PI控制律以实现系统输出的稳定跟踪控制,同时,系统所有状态均保持在一定界限内。最后,通过数字仿真对所给控制方法的有效性进行了验证,且通过与传统PI控制仿真对比可以看出,所提出的控制策略具有更好的鲁棒性以及稳态性能。第二,针对存在输入死区、饱和以及驱动故障的不确定非线性系统设计可满足给定性能指标的自适应PI控制算法。首先,通过引入对跟踪误差的转换,将不对称的性能指标约束问题变成了使转换误差有界的问题,从而简化了控制问题的复杂度。接下来,通过在反演设计过程的每一步骤中使用神经网络逼近原理对系统模型的不确定性以及未知函数进行处理。最后,通过将受限李雅普诺夫函数(BLF)与虚拟变量的概念相结合,设计神经网络自适应PI控制方法以保证稳定的系统跟踪控制,并证明所有系统内部信号连续、有界。此外,系统在保持全状态受限的同时,满足给定的瞬态以及稳态性能指标。通过数值仿真与传统PI控制效果进行比较,体现出了所提控制方法具有很好的鲁棒性、动态及稳态性能。