该文对基于神经网络的自适应控制理论(简称为神经网络自适应控制理论,记为NNBAC-Neural Networks-Based Adaptive Control)及其在BTT导弹中的应用问题进行了深入研究.主要工作和有关的创造性成果如下:在NNBAC理论和方法研究中,首先,针对一类未知标称系统模型的MIMO仿射非线性系统,提出了一种神经网络自适应所馈线性化(Neural Networks-Based Adaptive Feedback Linearization,记为NNBAFL)方法,给出并证明了用该方法所设计的NNBAC系统的稳定性定理.该方法给出的控制结构将一个神经网络自适应反馈线化控制分量和一个鲁棒控制分量结合起来,利用模糊CMAC(FCMAC)神经网络的快速的学习能力和对非线性函数的逼近能力,解决了非线性对象的实时建模问题.利用Lyapunov稳定性理论,提出了一种不需要满足苛刻的持续激励(Persistence-of-excitation,简称PE)条件,就能保证神经网络权值估计误差有界的权值调整规律,解决了FCMAC神经网络的实时训练问题.最后,通过仿真算例验证了该方法的有效性.