随着智能材料的不断发现和愈加广泛的应用,对于严重影响系统控制精度的智能材料的固有特性—滞环现象越来越受到重视;与滞环现象类似,时滞现象也广泛存在于各种装置和实际系统中,它会降低系统控制的准确性甚至使系统变得不稳定;在实际系统中,通常输出量是可测的,并且通常情况下具有明确的物理意义。因此,研究滞环非线性时滞系统的输出反馈不但具有丰富的实际应用背景,更具有理论价值。针对同时具有滞环、时滞等非线性因素的复杂非线性系统,仅仅依靠线性系统理论或者传统的PID等控制方法已经不能很好的满足控制目标,随着对自适应控制方法研究的深入,反推法在对含有未知参数的控制、改善过渡品质等方法优势明显,以反推法为基础发展而来的动态面方法继承反推法的优势,克服了反推法的缺点,目前受到广泛关注。本文将滞环非线性时滞系统作为主要研究对象,以动态面算法为主要控制器设计算法,取得了以下成果:(1)针对一类状态变量全部可测的滞环非线性时滞系统,提出了一种基于RBF神经网络的动态面控制方法。该方法的主要特点为:采用动态面的控制方法,大大简化了控制器的设计过程;通过RBF神经网络估计未知时滞函数,避免了建立一般用来处理时滞的复杂的Krasovskii函数,放宽了对时滞函数的假设,可以在时滞函数完全未知的情况下设计控制器,改进了现有的动态面算法;稳定性分析表明,控制方案可以保证由控制对象、控制律、调参律等组成的闭环系统稳定并且通过参数的选取,可以使跟踪误差任意小;最后,通过仿真证明了方法的有效性。(2)针对一类只有输出可测的滞环非线性时滞系统,提出了一种基于RBF神经网络的动态面控制方法。该方法的主要特点为:在第三章采用动态面的控制方法以及通过RBF神经网络估计未知时滞函数的基础上,针对状态未知的情况,采用K-滤波器估计未知状态变量,实现了在状态变量未知情况下控制器的设计;稳定性分析表明,控制方案可以保证闭环系统的稳定并且通过参数的选取,可以使跟踪误差任意小;最后,通过仿真证明了方法的有效性。