从上个世纪四十年代至今,控制理论先后经历了两个重要的发展时期:经典控制理论和现代控制理论。如今,自动控制技术已经广泛应用于工业、农业、交通、航空和航天等众多产业部门,极大提高了社会劳动生产率,改善了人们的劳动条件。但无论是经典控制理论还是现代控制理论,都需要事先知道被控对象的数学模型。而严格地说,现实世界中这些被控对象大多是非线性的,模型中也总包含了一些不确定因素,并且它们的工作环境中存在着各种未知扰动,因此对这类非线性系统控制的研究一直都是一个热点和难点。本论文的工作目的是:针对一类不确定非线性系统的轨迹跟踪问题,应用基于Lyapunov稳定性理论分析的综合方法,设计一种将模糊高斯神经网和非线性鲁棒控制方法相结合的控制方法。在存在动力学模型不确定性以及外界未知有界扰动的情况下,论文中提出的控制设计方法能实现半全局渐近稳定跟踪控制。在论文中,首先给出一类不确定性非线性系统动力学模型,并分析了其动态特性,然后进行整个控制器设计。控制器设计主要包括两个部分:一部分是模糊神经网络控制部分,用来学习系统的不确定性;另一部分是非线性鲁棒控制成分,用来补偿学习误差,并且抑制系统承受的未知外界扰动。在完成控制律设计的基础上,利用基于Lyapunov稳定性理论的分析方法,证明了闭环系统的稳定性,以及跟踪误差的半全局渐近稳定。最后,在研究成果验证过程中将设计的控制系统应用于一个二自由度机器人的轨迹跟踪控制中。通过MATLAB/SIMULINK仿真实验,证明了所设计的控制器在系统存在外界未知扰动的情况下能实时跟踪期望轨迹,并且跟踪误差能迅速收敛于零。论文的主要创新点包括:一是成功的将模糊逻辑神经网络和一种非线性鲁棒控制成分结合了起来,实现了半全局渐进稳定跟踪;二是在模糊神经网参数更新算法中,把投影算法应用于改进的梯度下降算法中,用以保证模糊神经网的输出及其一阶导数的有界性。