随着现代系统的日趋复杂,以及动态系统模型不确定性的普遍存在,系统可靠性和安全性越来越受到人们的重视。然而,系统在实际运行过程中,执行器、传感器或系统的其它元部件不可避免的发生故障。一旦系统发生故障,可能导致系统性能恶化或系统变得不稳定,甚至会导致意想不到的灾难性事故。如何设计有效的容错控制来确保整个系统的稳定性成为一个具有重要意义的研究课题。另一方面,随着网络通信技术的迅猛发展,网络传输的数据量也越来越大,传统的时间触发控制方法由于在等间隔的离散时刻点上周期性地传输并更新控制信号,会导致大量不必要的冗余信息被传输,进而造成有限网络资源的浪费。如何有效地减少网络中的数据传输量,进而节省带宽资源成为一个具有重要意义的研究课题。而近年来迅速发展地事件触发控制方法,以其独特非周期采样特性受到了越来越多学者的关注。近年来针对上述这两类问题涌现出大量的研究成果。但是由于许多实际动态系统具有高度的非线性、不确定性、多变量和强耦合等综合特征,那么应用传统的事件触发控制方法和容错控制技术都难以满足复杂非线性系统控制品质的要求,因此仍有很多问题等待进一步的研究。本人在前人工作的基础上,以神经网络、反步法、自适应技术、脉冲系统稳定性理论和事件触发技术为基本工具,对几类非线性不确定系统,从白适应事件触发机制与自适应控制器协同设计、自适应容错控制器设计和闭环系统的稳定性等方面进行了深入的研究。首先,针对带有执行器故障和输入量化的严格反馈参数化非线性系统,提出了基于反步法的自适应容错控制方案。接下来,针对带有执行器故障的不确定非线性时滞系统,提出了不依赖于故障检测模块的自适应容错控制方案。另一方面,针对带宽受限的严格反馈非线性不确定网络控制系统,提出了基于模型的自适应神经网络控制器和自适应事件触发机制的协同设计方案。该方法有效地解决了已有方法被控系统满足匹配条件的限制。进而,针对纯反馈非线性不确定网络控制系统,提出了基于零阶保持器的自适应神经网络控制器和自适应事件触发机制的协同设计方案。然后,在上述研究的基础上,将结果推广到具有多输入多输出特性的非线性不确定网络控制系统跟踪控制,提出了基于零阶保持器的自适应神经网络跟踪控制器和自适应事件触发机制的协同设计方案。最后,文中的部分理论结果通过对实际例子,如连续扭摆系统、m-连杆机器人系统、双倒立摆系统和单连杆机器人等系统进行仿真验证,说明了所提方法的可行性和有效性。本文的主要内容如下:第一、二章系统地分析和总结了容错控制技术和事件触发控制方法的发展现状及研究方法,并给出了与本文相关的一些预备知识。第三章考虑了一类带有执行器故障、输入量化和外部扰动的参数化严格反馈非线性系统的跟踪控制问题。首先,通过引入界的估计方法和可积辅助信号,并利用改进的反步递推方法,设计了一种新型的中间控制器。然后,通过引入光滑函数,基于所提出的中间控制器,给出了最终的控制方案和相应的参数估计方法。与已有方法相比,本章所提出的控制方案有如下优点:1)故障可以发生无穷多次,2)所提出的控制方案在输入量化、外部扰动和无穷多故障发生的影响下依然可以保证闭环系统中所有信号都是全局一致有界的,且输出跟踪误差渐近收敛于零。最后,通过仿真算例验证了所提方法的有效性及优越性。第四章主要研究带有执行器故障和时滞状态扰动的Lipschitz非线性系统的自适应容错控制问题,所考虑的故障包括部分失效、中断或卡死的情况。通过在控制器和自适应律中引入正的非线性增益函数、界的估计方法和可积辅助信号,提出了一种不依赖于故障检测模块信息的自适应容错控制方法。所提方法可以有效地补偿未知时滞、外部干扰和执行器故障带来的负面影响。结果表明所提方法不仅可以保证闭环系统中所有信号都一致有界,而且使得系统状态渐近收敛到零。最后,通过仿真算例验证了所提方法的有效性及优越性。第五章针对一类状态可测的严格反馈不确定非线性网络控制系统,研究基于模型的自适应事件触发状态反馈控制问题。利用神经网络对不确定非线性系统进行建模,研究了自适应模型设计问题。基于所提出的自适应模型,研究自适应神经网络状态反馈控制器和自适应事件触发条件的协同设计问题。构建包含系统状态,模型状态,自适应参数的非线性脉冲系统的统一模型,基于此模型,研究闭环系统的稳定性和收敛性等理论问题。与已有事件触发控制技术相比,所提方法能够解决现有方法要求被控对象模型已知以及不确定非线性系统满足匹配条件的限制问题。与已有时间触发控制技术相比,该方法可以有效地减少传感器的信号传输次数,从而减少网络中的通信量,进而达到节省传感器发送信号所消耗的能量的目的。最后,通过仿真算例验证了所提方法的有效性及优越性。第六章讨论了一类纯反馈不确定非线性连续系统的自适应事件触发控制问题。首先,应用隐函数定理和中值定理对未知非仿射输入函数进行分解,使其含有显式的控制输入。然后,基于反步法,提出了自适应神经网络控制器和自适应事件触发条件的协同设计方法。在稳定性分析方面,利用非线性脉冲系统理论的李雅普诺夫稳定性分析方法,研究了闭环系统的稳定性和收敛性等理论问题。与已有时间触发控制技术相比,该方法可以有效地减少传感器的信号传输次数。最后,通过仿真算例验证了所提方法的有效性及优越性。第七章在前两章结果的基础上,讨论了多输入多输出非线性系统的自适应事件触发控制问题。通过利用神经网络对不确定非线性系统进行模糊建模,提出了自适应神经网络状态反馈控制器、自适应参数估计和自适应事件触发条件的协同设计方法。与已有结果相比,本章不需要基函数满足Lipschitz条件,从而避免了事件触发机制中由于计算神经网络权重估计值带来的过重的计算负担。另一方面,本章所考虑的系统更具一般性,拓展了自适应事件触发控制的适用范围。最后,通过仿真算例验证了所提方法的有效性及优越性。最后对全文所做的工作进行了总结,并指明了下一步研究的方向。