Markov跳跃系统是一类特殊的切换系统,其在各个子系统之间的切换是随机的,且是服从Markov过程的。该系统在电力系统及电子、机车控制、网络控制及工程控制等领域有着广阔的应用前景。随机干扰现象广泛存在于科学研究和工程应用领域,非线性系统也有着更广阔的适用范围,而Markov跳跃随机非线性系统更因其适用性受到学者们的关注。因此,对于该系统的研究是一个十分值得探讨的问题,有着深刻的实践意义及理论价值。本文的主要贡献是将由ELM(极限学习机)算法训练的单隐层前馈神经网络引入到Markov跳跃随机非线性系统中,利用由ELM算法训练的单隐层前馈神经网络、Backstepping方法和李雅普诺夫函数方法设计系统的控制器和自适应控制律,从而解决了整个Markov跳跃随机非线性系统的稳定和跟踪问题。本文所做的主要工作如下:1、提出一种基于ELM算法的神经网络控制机制解决Markov跳跃随机非线性系统的稳定问题。利用单隐层前馈神经网络来补偿系统中的未知非线性项,其神经网络的隐层节点参数由ELM算法训练。通过Backstepping方法和李雅普诺夫函数方法来设计Markov跳跃随机非线性系统的神经网络控制策略,保证整个系统在随机跳跃的情况下依旧是依概率渐近有界的,实现了系统的稳定。2、提出了一种基于ELM算法的神经网络控制机制解决Markov跳跃随机非线性系统的跟踪问题。利用由ELM算法训练的单隐层前馈神经网络补偿系统中的未知非线性函数,利用Backstepping方法和李雅普诺夫函数方法设计系统的控制器和自适应控制律,保证整个系统是依概率渐近有界的并能跟踪到给定的标准参考模型。