在实际中，很多系统都是非仿射的，所以针对这类系统设计控制器非常重要。一般来说，即使隐函数存在定理保证控制器的存在，从隐含的系统中得到明确的控制器形式也是非常困难的。如果非仿射系统中存在不确定性，控制器的设计就更加困难。 本论文主要研究了基于神经网络的非仿射系统的控制问题，研究的主要内容可概括如下： 第1章介绍了控制理论的发展及本文的主要工作。 第2章是本文所用到的基本数学知识。 第3章针对单输入单输出(SISO)非仿射系统，用Backstepping方法设计了一种新的神经网络自适应控制器。该方法用BP网络逼近系统的不确定性，采用Backstepping的设计思路，逐步寻找虚拟控制，在设计的最后一步，才显露出真实的控制变量。神经网络的权值变化规律可通过Lyapunov稳定性理论逐步推导得出。这样，所设计的控制器保证了闭环系统的稳定性。并考虑了在系统状态未知时，通过设计高增益观测器以实现系统的输出控制。 第4章考虑了一类两输入两输出非仿射系统的自适应控制问题，设计了基于神经网络的自适应控制器。由Lyapunov稳定性理论得出权值在线调整规律，并证明了闭环系统是半全局一致最终有界的(SGUUB)。将来还可以把这种形式的控制器进行拓展以应用于更广泛的多输入多输出(MIMO)系统。 第5章中将第4章所设计的控制器应用于二元精馏塔的产品质量控制。精馏塔模型用奇异摄动法降阶后可得到一个非仿射的两输入两输出系统。仿真结果验证了第4章理论的有效性。