在动力系统理论中,渐近和指数稳定性的概念意味着系统轨迹或状态在时间趋于无穷时收敛到平衡状态。然而,在许多应用中,期望动力系统具有轨迹收敛到李雅普诺夫稳定平衡状态的特性,因此,它必须在有限时间收敛,而不仅仅是渐近收敛。与基于渐近稳定性的控制方法相比,有限时间控制策略提供了更快的瞬态响应、更高精度的跟踪性能和更快的收敛速度。特别是,当系统中存在不确定项和扰动时,有限时间控制方案具有更好的动态性能。近年来,有限时间控制在许多实际系统中得到了广泛的应用,例如:无人驾驶车辆、机器人操纵装置、永磁式同步电机、刚性航天器等。同时,有限时间控制也一直是控制领域的热点和难点问题之一。本文紧紧围绕不确定非线性系统实用有限时间跟踪控制问题展开研究,主要工作如下:（1）研究了目标轨迹未知情况下,欧拉-拉格朗日系统实用有限时间跟踪控制问题。利用傅立叶级数和径向基神经网络（RBFNN）重构目标轨迹,并与实际目标轨迹进行数学关联,便于设计和分析。引入误差变换函数并嵌入李雅普诺夫函数,利用该函数实现自适应跟踪控制。结果表明,该策略能够保证跟踪误差以自定义的收敛速度收敛到一个包含原点的紧集内。仿真结果验证了该控制方法的有效性。（2）研究了全约束非线性系统在存在结构故障下的实用固定时间容错控制问题。不同于大多数采用线性故障的方案,本章引入了一种非线性故障,这更符合实际情况;之后,将受限李雅普诺夫函数（BLF）和实用固定时间控制理论相结合,设计出了全状态约束情形下的非线性系统容错跟踪控制算法。同时,引入了一阶滤波器,避免“微分爆炸”的问题。通过引入全状态约束,保证了系统在结构故障下,仍然能够安全进行,且跟踪性能较理想。同时,使用了实用固定时间控制理论,解决了有限时间依赖初始状态的问题,仿真结果也验证了这一点。（3）研究了时空约束下严格反馈系统自适应神经网络实用有限时间跟踪控制问题。通过自适应神经网络处理建模不确定性和外部干扰。此外,引入了时空约束条件并结合实用有限时间控制理论,确保了系统跟踪误差具有预设的性能边界（空间约束）。其次,对于不确定非线性系统,采用了一种新的时变函数的方法,使系统在有限时间内收敛到一个时变函数指向的位置（时间约束）。最后,设计的控制律保证了系统跟踪误差的时空约束。（4）研究了时变状态约束下严格反馈系统实用预设时间跟踪控制问题。首先,构造一个依赖于速率函数、误差变量和虚拟误差的非线性转换函数,将系统状态的约束问题转化为非线性转换函数的有界性问题;其次,根据实用预设时间控制理论并结合Backstepping方法和自适应控制技术,设计了全状态时变约束的实用预设时间跟踪算法。与BLF方法相比,本章方法消除了BLF方法存在的“可行性条件”问题,同时约束可以使用不对称形式,降低了系统分析过程的复杂度。