众所周知，大多数系统实际上都是非线性系统，而且通常会受到系统的不确定性，随机扰动以及时滞等因素的影响，因此对于这类非线性系统的控制以及稳定性研究受到持续关注。近年来，因自适应控制能根据性能指标在线修改控制器参数而使得系统运行在最优或次最优状态，被成功应用于工业领域的非线性系统控制研究;另一方面模糊逻辑系统和神经网络能以任意精度逼近系统的未知非线性函数，所以是处理非线性系统的不确定性的行之有效的方法。随之而来的，将自适应backstepping设计方法与模糊逻辑系统或神经网络相结合的智能自适应控制得到了大量研究和充分发展，并且取得了很多有价值的研究成果，然而也仍然存在着不少问题需要进一步探讨。首先，本文研究了几类不确定非线性系统的自适应模糊控制问题，如具有输入死区的严格反馈形式的不确定SISO非线性系统，带有扰动的切换非线性系统，具有预设性能的不确定MIMO非线性系统。不言而喻，稳定性问题是人们研究各类动态系统尤其是工业系统所面临的最基本、最重要的问题之一。因此，本文接下来针对时滞Markov跳变神经网络系统和时滞切换正T-S模糊系统两类非线性系统，基于Lyapunov理论分析了系统的稳定性。最后，本文研究了智能自适应控制技术在电气传动控制系统中的应用。本文的主要内容和贡献可概述如下:
　　(1)针对一类具有执行器死区问题的不确定严格反馈非线性系统，提出了一种模糊自适应跟踪控制策略。其中使用模糊双曲正切模型(generalized fuzzy hyperbolic model，GFHM)去逼近系统中存在的未知非线性函数，并采用动态面控制技术(dynamic surface control，DSC)避免了重复求导过程中的“计算膨胀”问题。单个自适应率的设计使得控制系统结构更简单和计算成本更低。Lyapunov稳定性分析证明了闭环系统的所有信号都是半全局一致最终有界(semi-globally uniformly ultimately bounded, SGUUB)的。
　　(2)针对一类带有扰动信号的严格反馈形式的不确定切换非线性系统，提出了一种基于改进的backstepping技术的自适应模糊跟踪控制方法。结合使用了广义模糊双曲正切模型逼近器和平均驻留时间法。利用Lyapunov理论证明了该切换非线性系统的所有闭环信号有界且系统稳定。
　　(3)研究了不确定严格反馈MIMO非线性系统的约束控制问题。通过引入新的约束变量对系统进行了变换，并基于backstepping技术设计了控制器。设计的带预设性能约束的自适应模糊控制器能够满足跟踪过程暂态和稳态的性能要求。Lyapunov稳定性分析证明了该闭环系统的所有信号是半全局一致最终有界的。
　　(4)研究了具有区间时变分布时滞和不确定转移率的Markov跳变区间时变时滞神经网络系统的稳定性问题。通过充分考虑转移概率的性质和不确定区域的特性，用一个有效的技术来代替传统的Youngs不等式来约束转移率中的不确定项。同时，利用增广的Lyapunov泛函和具有较小保守性的辅助函数积分不等式，给出了新的时滞依赖的稳定性条件。
　　(5)研究了具有时变时滞和平均驻留时间切换信号的连续切换正T-S模糊系统的稳定性分析问题。首先，采用多线性余正Lyapunov-Krasovskii泛函和平均驻留时间方法，获得了能保证时变时滞切换正T-S模糊系统稳定的充要条件。然后，又对系统的加权L1-增益性能进行了研究。最后，仿真算例证明了该方法的有效性.
　　(6)针对直流电机驱动的单连杆机械手臂传动系统和交流永磁同步电机，考虑其动力学方程的非线性特点，综合运用backstepping技术和广义模糊双曲正切模型，提出了具有未知扰动信号观测器的模糊自适应控制方法。通过Lyapunov函数稳定性理论证明了系统在具有未知扰动的情况下，闭环系统的稳定性和收敛性。并对所提出的控制方法进行仿真验证。