现实社会生活中,大多数系统都有不确定非线性特征。不确定非线性系统比线性系统以及一般的非线性系统更为复杂,因为它本身可能会含有不确定干扰项或者含有其它的一些在目前无法测到以及控制的项。系统的输出跟踪问题是控制理论综合问题中的一个重要研究课题,由于实际系统的非线性以及不可避免的不确定性因素的存在对系统的输出跟踪有很大的影响。因此,对不确定非线性系统的自适应神经网络跟踪控制成为研究的热点,在自主编队飞行、F-16自适应音调速率跟踪器等诸多实际方面,都运用了自适应神经网络跟踪控制方法。神经网络具有很好的函数逼近能力,利用其对未知函数进行逼近,并与自适应反步控制技术相结合有效地处理含有未知函数的不确定非线性系统。由于未建模动态、时间延迟、输出干扰以及状态约束等不确定因素常出现在实际的系统当中,因此,对具有未建模动态、输出干扰、状态约束、时滞等的不确定非线性系统的自适应神经网络跟踪控制越来越重要,基于此,本文主要进行了以下几个方面的研究:首先,针对一类具有输出干扰和未知时滞的不确定非线性系统,设计了一种基于反步设计技术的自适应神经网络跟踪控制方法。引入神经网络逼近作为一种非常有效的估算技术,对未知函数进行逼近。并构造了合适的李雅普诺夫函数,通过使用Young不等式的有机组合来补偿未知的时间延迟。Nussbaum函数用于处理未知的虚拟控制方向。采用了一种实用的鲁棒控制方法处理控制器奇异性问题。此方法不需要先验知识。用这种方法,所有信号都达到了半全局一致的最终有界性(SGUUB),并且证明了跟踪误差最终会收敛于原点周围的区域。仿真结果验证了该方法的可行性和有效性。其次,在实际复杂的系统中,未建模动态对于系统稳定性的影响不可忽视,因此,在之前的研究基础上,进一步研究了对于一类具有未建模动态和输出干扰的不确定非线性时滞系统,设计了一种基于神经网络的自适应跟踪控制策略。为了减轻由输出干扰和未知的时间延迟引起的主要影响,采用了适当的李雅普诺夫函数和反步技术。为了获得所需的自适应状态反馈控制器,利用与动态信号相关的假设来处理未建模动态。通过设计的自适应方法,可以处理未建模动态,输出扰动和未知的时变虚拟系数。在设计过程中,神经网络用于近似未知函数。最终所有信号实现了半全局一致最终有界性,并通过仿真进行了验证。最后,在之前研究分别考虑了具有时间延迟、未建模动态等不确定项的非线性系统基础上,进一步考虑了状态约束的情况,这在实际系统中是非常普遍的,如自主编队飞行、船舶操作系统等,因此对一类具有时变时滞和未建模动态的非线性状态约束系统,研究了一种自适应神经网络跟踪控制方法。双曲正切函数可有效处理未建模动态的影响,同时使用Lyapunov Krasovskii函数(LKF)和反步技术,设计了一些有效的方法对时变延迟进行有效的处理。此外,基于障碍李雅普诺夫函数(BLF),状态永远不会违反完整状态约束。最终,所有信号均达到半全局一致最终有界性,跟踪误差最终收敛到原点附近。仿真结果验证了该控制方法的有效性。