作为现代控制领域中的一个重要分支,混沌系统的控制和同步技术近年来受到了国内外控制界的广泛重视。本文就此领域的相关问题展开系列研究,主要研究了线性输入、非线性输入等不确定混沌系统的控制器的设计问题。以李亚普诺夫(Lyapunov)稳定、自适应控制、神经网络逼近、变结构控制等理论为基础对离散和连续的混沌系统进行设计和分析。主要工作包括:首先,采用了一种直接使用径向基函数(RBF)神经网络对不确定混沌系统进行控制的方法。考虑到不同神经网络模型误差对混沌控制效果的影响,采用了一种改进的递阶遗传算法对RBF神经网络进行训练,分别针对离散的Henon系统和连续的Lorenz系统进行了仿真,并且与其它神经网络训练算法结果进行了比较,通过仿真证明了采用该训练算法设计得到的混沌控制器具有更加理想的控制效果。其次,提出了一种自适应RBF神经网络滑模控制器对不确定混沌系统进行控制。考虑到滑模变结构的设计过程是以系统中所有不确定参数的界限已知为前提的,然而在实际系统中,不确定性的上界值一般是很难预先测量得到的。因此,在这里通过将RBF神经网络和滑模变结构控制相结合,利用RBF神经网络辨识满足匹配条件的不确定性的上界,并且利用Lyapunov理论更新RBF神经网络的参数,从而得到全局渐近稳