在系统达到稳定状态或者实现控制目标时,如何有效地减少控制的计算和通讯以及降低材料和能源等的消耗,进而降低成本,提高资源利用率,成为当前控制领域的研究热点。面对这种情形,事件触发控制近年来成为了控制领域的重要研究方向。同时,在考虑事件触发的基础上,引入由跟踪误差驱动的动态增益,这不仅使得控制跟踪目标的实现更容易,而且避免了仿真中参数的频繁调整。此外,在实际的工程与应用中,系统大多都是非线性的。由于非线性现象广泛存在,所以在系统设计时很难得到精准的数学模型。本文针对三类未知非线性系统,结合自适应Backstepping设计方法和Lyapunov稳定性理论,设计了具有动态增益的事件触发控制器,实现了控制目标。本文从三个部分展开讨论:第一部分研究了严格反馈系统的跟踪控制问题。系统本身是完全未知的,因此,利用径向基函数神经网络逼近未知函数;然后,提出了具有动态增益的事件触发自适应神经网络控制方案。该方案充分利用了动态增益的优点,即动态增益本身由跟踪误差驱动,保证了在不调整参数的情况下系统输出信号可以在预定的精度范围内跟踪上参考信号。此外,给出了详细的理论证明,说明在设计的事件触发控制器下可以排除Zeno行为。最后,通过仿真实例验证了该控制方案的有效性。第二部分在第一部分的研究基础上,进一步讨论了部分已知系统的跟踪控制问题。与第一部分不同,这里系统是部分已知的,既存在可利用的已知量,也存在未知的非线性光滑函数。径向基函数神经网络只用来逼近系统中的未知函数,并且也给出了未知参数的自适应律;其次,基于Backstepping方法,设计了一个具有动态增益的自适应事件触发控制策略,通过理论分析得到了闭环系统的稳定性且跟踪误差收敛到预设精度内;最后,通过一个实例说明了该策略是有效的。第三部分讨论了纯反馈系统的跟踪控制问题。系统是完全未知的,但与严格反馈系统相比,纯反馈系统代表了更一般的三角系统。首先,同样是通过利用神经网络逼近未知函数,然后结合Backstepping方法设计了具有动态增益的事件触发自适应神经网络控制器,尤其是在事件触发机制中引入了由跟踪误差驱动的动态增益,这是首次对纯反馈系统的事件触发控制器引入动态增益。然后,利用Lyapunov稳定性理论,证明了所有闭环信号的有界性,并且跟踪误差落在预设精度内。通过数值仿真和实例仿真验证了该控制方案的有效性。