在现实工程领域中,当进行控制系统的设计时,由于被控对象通常具有非线性、时变性和不确定性等特性,并且受外界随机干扰的影响,所以研究随机非线性系统的自适应神经网络控制方法具有十分重要的理论和现实意义。在控制器的设计上,本文通过自适应方法解决系统的参数不确定问题,并利用径向基函数(RBF)神经网络来逼近未知的非线性函数,从而构造了一个自适应神经网络控制器,以达到系统输出能够很好的跟踪给定的参考信号,并且确保系统所有信号都有界的控制效果。此外,由于永磁同步电机(PMSM)是高阶、多变量、参数不确定并且存在随机干扰的非线性系统,因此研究应用于PMSM上的控制策略将会有非常重要的实际应用价值。由于在PMSM中通常存在输入饱和等输入非线性现象,所以在进行实际系统的控制中考虑输入饱和问题也是非常有必要的。与现有的随机非线性系统的控制方法相比,本文提出的控制器只需要构造一个自适应参数,极大的减轻了计算压力,所提出的控制方案可以更好的在实际应用中实现。本文的主要创新之处在于考虑了实际控制系统中通常存在的输入饱和现象,并且将对电机的控制由确定性系统拓展到随机系统。综上所述,本文的主要研究内容包含以下两大部分:一、探讨了一类随机非线性系统的自适应神经网络控制问题。采用自适应方法来解决系统参数时变的问题,利用RBF神经网络来逼近未知的非线性函数,构造了自适应神经网络控制器,通过稳定性分析,证明所提出控制方法能够保证该随机非线性系统的稳定性,最后使用MATLAB进行仿真,仿真结果可以证明该控制方法可以使系统输出很好的跟踪给定的参考信号,并且保证系统所有信号都是有界的。二、在上一部分的基础上,进一步探讨了具有输入饱和特性的随机PMSM系统的自适应神经网络跟踪控制问题。同样采用自适应神经网络技术进行控制器的设计并证明其稳定性,使用MATLAB对该考虑输入饱和、应用于PMSM的控制方法进行仿真,仿真结果可以证明此控制方法的有效性。