本课题以一类非线性系统为研究对象,基于动态面控制技术和自适应控制方法等理论,考虑系统动态性能与控制品质的关系、系统在拒绝服务攻击下的安全问题和系统协同控制等问题,研究一类非线性系统的改进自适应动态面控制问题。主要研究工作包括以下三个方面:1.针对一类不确定非线性系统,提出了基于非线性增益递归滑模神经网络自适应动态面状态反馈控制策略。将一种非线性增益函数引入到传统的动态面控制框架中,使得系统能够兼顾控制精度和动态性能。综合考虑了所有子系统之间的误差关系,构造了递归滑模误差面,扩大了自适应参数和滤波器参数的取值范围。在控制器设计中,利用神经网络技术逼近系统的未知函数,并建立了新的自适应律用来估计与神经网络逼近误差相关的参数;为了减少执行器的动作次数,进一步提出了一种基于事件触发的扩展控制策略,使得实际控制信号只有在满足一定条件时才进行更新。考虑系统存在未知状态变量的情况,提出基于神经网络观测器的非线性增益递归滑模自适应动态面输出反馈控制策略,拓宽了非线性系统控制策略在实际工程中的应用。通过李雅普诺夫稳定性理论,证明了上述控制策略都能保证闭环系统中所有信号有界,并且使跟踪误差任意小。最后,MATLAB仿真实验表明了上述控制策略的有效性。2.在上述研究基础上,针对在间歇性拒绝服务攻击下的一类不确定非线性系统,提出了一种基于切换增益状态观测器的自适应安全控制策略。考虑系统在遭受拒绝服务攻击导致状态信息无法在特定时间内被测量的情况,设计了一种具有切换增益的神经网络状态观测器来实时估计系统内部状态。考虑到系统动态性能及参数敏感性问题,在安全控制策略中引入了非线性增益函数和构造了递归滑模误差面。通过所提出的附加不等式条件建立了拒绝服务攻击的频率(持续时间)与系统承受攻击能力的关系。结合平均驻留时间方法,通过李雅普诺夫稳定性理论证明了系统在拒绝服务攻击下的稳定性。最后,以单臂机械手和数值模型作为仿真对象,验证了所提出的安全控制策略的有效性。3.针对在有向网络下的一类不确定非线性多智能体系统,提出了一种基于事件触发通信的非线性增益递归滑模自适应动态面协同控制策略。对于无法直接访问领导者信息的跟随者,设计一种基于邻居触发输出信息的分布式估计器来获得领导者信息的估计值。在单个智能体控制器设计过程中,考虑其子系统之间的误差关系,构造递归滑模误差面,并引入非线性增益函数代替线性增益函数改善了系统性能。同时,通过引入一个新的自适应参数,减少了在大规模多智能体系统中利用神经网络逼近系统的未知函数时自适应参数的个数。而且,所提出的事件触发条件能够避免Zeno现象。结果表明,闭环系统的所有信号有界,并且各个智能体的跟踪误差收敛于原点附近的邻域。最后,以化学反应过程和数值模型作为仿真对象,验证了所提出的协同控制策略的有效性。