饱和是很多实际控制系统中最为常见的非线性特性之一,大多数执行器都会不可避免地出现饱和。如果执行器的输入量达到一定限制,就会进入饱和状态,因为继续增加输入不会对执行器的输出产生任何影响。执行器饱和将使系统的动态性能降低,甚至导致闭环系统不稳定,严重影响系统的正常运行。因此,对于输入饱和的研究具有重要的理论和实际意义。本文结合神经网络和反步设计方法,针对一类具有输入饱和的不确定非线性系统设计了三种控制器。针对一类具有Brunovsky标准型和输入饱和的不确定非线性系统,提出了基于神经网络的自适应控制算法和一种新的饱和补偿的方法,并设计了控制器。控制器由跟踪控制器和饱和补偿器组成。在合适的模型假设下,利用径向基函数神经网络逼近未知的非线性函数和超出饱和的部分,同时考虑了网络重构误差和外部干扰,饱和补偿器能有效补偿由输入饱和非线性带来的影响。自适应率由Lyapunov函数得到。通过Lyapunov稳定性理论证明了闭环系统是半全局一致最终有界的。仿真实例说明了控制器的有效性。针对含输入饱和特性的一类不确定非线性系统,设计了一种自适应控制器。该控制器中的饱和补偿器根据多层神经网络(MNNs)得到。MNNs可较好地逼近非线性系统,其权值能在系统先验知识不足的情况下在线调整。自适应率由Lyapunov函数得到。应用Lyapunov稳定性理论证明所设计的控制器能保证闭环系统的稳定性。针对一类具有输入饱和的严格反馈非线性系统,通过反步设计方法,设计了一种新型自适应控制器。控制器由反步控制器和鲁棒控制器组成。自适应率由Lyapunov函数和Barbalat引理得到。采用输入约束误差动态放大的方法处理执行器饱和问题。仿真实例表明,该控制器对系统参数的不确定具有一定的鲁棒性,并能保证闭环系统全局稳定。