由于实际的控制系统总是具有不确定性,这种不确定性一般分为两类:一类是外部不确定性,如来自外部的干扰等;另一类是控制系统内部的不确定性,如对测量参数的估计误差及被控对象的未建模动态等。设计系统时如果忽略了这些不确定性,必然会导致系统的品质逐渐恶化。因此,在设计时一定要充分考虑这些不确定性,使其对系统的动态性能不产生大的影响,这就要求系统具有鲁棒性。本文的主要研究内容如下:首先针对一类单输入单输出严格反馈随机非线性系统研究其基于Backstepping方法的自适应神经网络镇定问题,在控制器设计中,应用RBF神经网络来近似逼近未知非线性函数,采用Backstepping方法设计出该系统的自适应神经网络控制器,该控制器能够保证闭环系统所有的状态都是依概率有界的。仿真结果证明了所提出方法的有效性。针对一类随机非线性关联大系统,提出了一种新的自适应神经网络鲁棒H∞控制方法,本方法以Backstepping技术为基础,结合Ito随机微分理论、Lyapunov稳定性理论、大系统理论以及自适应神经网络控制理论,对该随机非线性互联大系统的H∞鲁棒控制器设计方法进行了研究,给出了随机非线性互联大系统的H∞控制器的设计方案,所得到的控制器能够保证闭环系统中每个子系统的状态都是依概率有界的,并具有H∞干扰抑制性能。仿真结果证明了所提出方法的有效性。