真实的自然界是非线性的，非线性系统控制一直是科学研究的热点和难点，尤其是以混沌系统为典型代表的一类特殊的非线性系统的控制。非线性控制研究目前尚不是很成熟，传统的控制理论和方法都不是很理想，近年来智能控制引入非线性控制中，成为一种非常有发展前途的方向。本文提出了一种新的针对一阶非线性系统，基于神经网络和滑模变结构相结合的控制方法，简称为滑模神经网络方法。混沌的控制分跟踪控制和镇定控制，本文研究的都是镇定问题。在系统可控的前提下，首先将系统中的线性部分和非线性部分分离开，非线性部分采用RBF神经网络逼近，以校正或补偿其非线性的影响，在消除非线性影响后系统成为一个一阶线性系统，然后采用滑模变结构镇定该线性系统，二者结合起来最终将该非线性系统镇定控制住，并提出对输出量加入校正量可以将系统镇定到任意点。其次，该滑模神经网络成功地将无刷直流电机的混沌镇定住，并在matlab下仿真验证了其控制的有效性和正确性。无刷直流电机混沌系统是一个高非线性、耦合性强的系统，控制难度大，因此在无刷直流电机的应用具有很强的代表性。随后，以无刷直流电机的混沌系统为应用实例，从五个方面研究讨论了滑模神经网络控制的鲁棒性问题。第一，仿真发现采用不同结构的RBF神经网络都能将系统很好镇定控制住，只是镇定点不同而已；第二，加入高斯白噪声外干扰，仿真表明控制具有很好的抗干扰性；第三，在混沌系统中加入满足滑动模态不变性匹配条件的摄动，仿真结果表明滑模神经网络具有很好的抗摄动性;最后分别在控制前加入阶跃信号和控制稳定后加入脉冲信号干扰验证了滑模神经网络的鲁棒性。研究表明，本文提出的滑模神经网络是一种简单易于实现的非线性系统控制方法，具有很好的抗干扰、抗摄动性，在控制领域，尤其是对一类不确定性系统的控制具有非常重要的意义。文章最后提出了一些滑模神经网络方法需要继续研究解决的问题，希望其得到更好的发展和应用。