近二十年来,不确定非线性系统控制一直是自动化控制领域研究的热点课题之一,尤其是基于逼近器的自适应控制更是受到了众多研究者的广泛关注,并取得了很大进展,但仍然有一些公开的问题有待于进一步研究和探讨.本论文旨在研究已有工作中广泛存在的全局稳定性和给定跟踪精度的控制问题.针对几类不确定非线性系统,提出两种新颖的基于逼近器的自适应控制方法.其主要成果可概括如下:1.第3章针对一类不确定非线性严格反馈系统,研究全局稳定的自适应神经网络跟踪控制问题.在每一步Backstepping设计中,仅采用一个径向基函数(RBF)神经网络补偿依赖于系统状态的所有未知非线性函数.通过构造一个新的光滑切换函数,设计得到一个新颖的自适应神经网络控制器.可以证明,控制器确保所有闭环信号都是全局一致最终有界的,并且通过选择合适的设计参数,系统的输出将收敛到参考信号的一个小邻域.该控制器的特别之处在于它包含两个部分:一部分为传统的自适应神经网络控制律,它主要是在逼近域内起作用;另一部分是额外增加的鲁棒控制律,它在逼近域外起作用.这一独特的结构形式将在后面几章中反复用来设计所需要的控制器.2.在第3章研究结果的基础上,第4章针对一类不确定严格反馈系统,解决其全局稳定且精度预先给定的跟踪控制问题.为了解决这个问题,再次构造两个新的n阶连续可微的切换函数来设计控制律,并且采用Barbalat引理分析系统跟踪误差的收敛性.结合自适应模糊控制和Backstepping设计方法,得到一种新的基于多切换的鲁棒自适应模糊控制器.可以证明,该控制器确保所有闭环信号全局一致最终有界,并且跟踪误差收敛到一个预先指定的精度.3.在第5章中,将第3章和第4章提出的控制算法推广到一类具有块三角结构的非线性MIMO系统.首先,设计一种半全局稳定的自适应神经网络控制策略,使得系统的最终跟踪误差满足预先给定的精度.随后,对系统函数做进一步的有界限制,改进前一种控制方法,使得系统跟踪误差收敛于已知的精度,并且整个闭环系统是全局稳定的.4.在第6章,我们主要研究第3章提出的控制方法在不确定非线性时滞系统领域中的应用.针对一类带有未知扰动的不确定严格反馈时滞系统,通过构造一些非负泛函,在一定的假设条件下,采用Backstepping技术,设计得到一种基于多切换的自适应神经网络控制器.可以证明,该控制器可以确保所有闭环信号是全局一致最终有界的,而且系统输出收敛于预先给定的精度.