近几十年来,实际工业生产中常常伴随着外界干扰、子系统动态变化、系统参数变化等问题的发生,这使得复杂切换非线性动态系统的控制问题成为研究的热点。本文针对几类复杂的切换非线性动态系统,结合Backstepping技术和自适应神经网络技术以及动态面方法,有效的解决了系统的智能跟踪控制问题,并研究了智能跟踪控制器设计方法以及闭环系统的稳定性和收敛性。具体工作如下:(1)研究了一类带有死区输入的非下三角结构不确定切换非线性系统的智能控制问题。结合高斯函数的本身特性,应用神经网络(NNs)近似未知光滑非线性函数,成功地解决了非下三角结构带来的设计障碍。应用动态面控制技术,避免了对虚拟控制求导而产生的“项数爆炸”问题。应用Backstepping技术设计自适应神经网络智能跟踪控制器。基于Lyapunov函数来分析闭环系统的稳定性。值得指出的是,所提出的智能跟踪控制器结构简单,其中自适应参数只有一个,从而降低了计算负担。最后,仿真实验验证了所提出的智能跟踪控制方法是有效的。(2)针对一类带有输入饱和的非下三角结构纯反馈切换随机非线性系统,本文提出了一种基于神经网络的自适应智能跟踪控制方案。首先,在设计过程中应用径向基函数(Radial Basis Function,RBF)神经网络来逼近系统的未知非线性函数。然后,在Backstepping的框架下利用神经网络自身的性质来克服非下三角结构带来的设计困难。所设计的智能跟踪控制器保证了闭环系统的全部信号都是半全局一致最终有界的,同时跟踪误差收敛到原点附近的小邻域。最后,通过仿真实验验证了所提出的智能控制方案具有实用性和可行性。