非线性和不确定性广泛存在于现实系统中。由于物理限制和安全需要,实际工程系统普遍会受到约束的限制。另外,在实际工程应用中,信息的接收和传递通常存在时滞现象。如果在设计控制器时不考虑约束和时滞对系统的影响,不仅可能会导致系统性能的下降,甚至可能会导致系统的不稳定,造成系统无法运行。虽然不确定非线性系统的控制问题取得了丰富的研究成果,但是现有大部分研究成果需要较强的假设条件,且约束和时滞的同时存在也给相关的控制设计及分析带来了一定的困难和挑战,还有许多问题亟待研究。因此,本文以具有约束的不确定非线性时滞系统为研究对象,以反步法和神经网络为核心,结合障碍Lyapunov函数（Barrier Lyapunov Function,BLF）、Lyapunov-Krasovskii泛函、命令滤波器、有限覆盖引理等理论,围绕自适应控制和有限时间控制展开研究。全文主要研究内容包括:1.针对具有对称状态约束的严格反馈时滞系统,提出了自适应神经网络跟踪控制设计方法。首先,针对控制方向已知的常时滞系统,利用径向基（Radial Basis Function,RBF）神经网络逼近不确定非线性函数。结合对称时变BLF和Lyapunov-Krasovskii泛函,在反步法设计中同时解决了对称时变状态约束和时滞问题,并设计了自适应神经网络跟踪控制器。在此基础上,针对控制方向未知的变时滞系统,构造了新的Lyapunov-Krasovskii函数,结合Nussbaum函数,设计了自适应神经网络跟踪控制算法。与传统的自适应反步法相比,设计的控制算法不仅放松了对系统不确定性的匹配条件、线性增长条件的限制,而且避免了可参数化条件的要求。在设计的控制方案中,神经网络仅需更新权值向量的模,在一定程度上减轻了计算负担。通过Lyapunov稳定性分析,证明了闭环系统所有信号是一致最终有界的,在系统实现跟踪目标的同时所有状态都保持在约束范围内。最后,通过数值算例验证了所提控制算法的有效性。2.针对非对称时变状态和输入约束下不确定非线性时滞系统,提出了自适应鲁棒跟踪控制算法。首先,针对控制方向已知的严格反馈常时滞系统,引进命令滤波器并设计了滤波误差补偿系统,解决了反步法中对虚拟控制器反复求导带来的计算膨胀问题。使用双曲正切函数来逼近不光滑的对称饱和非线性函数,并设计辅助系统补偿饱和约束对系统输入的影响。结合非对称时变BLF和Lyapunov-Krasovskii泛函,设计了自适应鲁棒跟踪控制器。其次,采用RBF神经网络和Nussbaum函数,进一步研究了控制方向未知的非严格反馈变时滞系统的自适应鲁棒跟踪控制问题,并给出了稳定性分析。通过更新神经网络权值向量模的最大值,整个设计过程仅需在线更新一个自适应参数,减轻了计算负担。最后,以数值算例和摆平衡系统为研究对象,通过仿真实验验证了所设计控制算法的有效性。3.针对非对称时变状态和输入约束下不确定非线性变时滞系统,提出了有限时间跟踪控制方案。首先,针对约束下的非线性变时滞系统,基于非对称时变BLF,结合RBF神经网络和有限覆盖引理,充分利用了时滞信息,设计了需要可行性条件的有限时间跟踪控制算法。在此基础上,构造了非线性状态依赖函数（Nonlinear State-Dependent Function,NSDF）来直接处理状态约束问题,避免了 BLF将状态约束转化为误差约束带来的虚拟控制器需要满足的可行性条件,结合命令滤波器针对非线性变时滞系统设计了无需可行性条件的有限时间跟踪控制算法。所设计的控制算法不仅去除了Lyapunov-Krasovskii泛函法中时滞导数小于1的假设,能有效地处理快变时滞,而且可以保证在满足约束的情况下实现有限时间的目标跟踪。最后,以数值算例及带有循环流和扰动的两级化学反应釜系统为研究对象,通过仿真实验来验证所提控制方案的有效性。4.针对延时状态约束和输入约束下不确定非线性时滞系统,提出了有限时间跟踪控制方法。首先,针对严格反馈时滞系统,设计了一种新的转移函数,结合状态变换,构造了新的NSDF,在无需可行性条件的前提下解决了延时状态约束问题,利用RBF神经网络和有限覆盖引理设计了有限时间跟踪控制算法。其次,针对纯反馈时滞系统,通过系统坐标变换将纯反馈时滞系统转化为严格反馈形式,然后按照严格反馈时滞系统进行控制设计,克服了非仿射项给控制设计带来的困难,基于反步法,采用命令滤波器设计了有限时间跟踪控制算法。所设计的控制方法不仅能保证所有状态在初始值未知情况下满足延时约束的要求,而且实现了有限时间的目标跟踪。最后,仿真结果验证了所提控制方法的有效性。