本文针对一般离散非线性被控对象，以神经网络模型参考自适应控制为基础，通过大量的仿真，分析各种不同类型的干扰对系统的影响以及影响机理。并提出了一种鲁棒神经网络自适应控制策略，该控制策略(1)应用自适应预测，以及带遗忘因子的递推最小二乘参数估计，对神经网络的预报输出进行修正，在很大程度上减小了因干扰引起的辨识误差对系统输出造成的影响；(2)利用鲁棒反馈控制器，根据系统跟踪误差输出反馈控制信号，提高了在干扰影响下的跟踪精度，保证了控制过程的连续性和闭环系统的稳定性；(3)对控制信号的增量进行限幅，抑制突变的大幅值干扰信号对系统的不良影响。 应用上述控制方案，针对一个具有一般表达形式的非线性自回归滑动平均模型，和一个实验室级的液面系统模型进行了仿真，并将控制结果与一般神经网络模型参考自适应控制的仿真结果进行比较。仿真试验表明，本文所提出的鲁棒神经网络自适应控制策略能够有效的克制干扰等不确定因素对系统的影响，同时提高了系统的响应速度。