在传统的线性定常控制系统中,对系统问题的分析与控制方法的设计时,被控对象都被认为是线性的。但在实际中,理想的线性被控对象并不存在。例如,受控系统存在未知不确定性、随机干扰等。同时,系统的最终控制性能,除了受到被控对象的非线性影响外,还受到前向通路中控制器、执行器等元件与反馈通路中传感器等各种物理器件的特性以及系统组成元件之间的网络资源的影响。首先,由于外部工况、工程不精确数学建模等存在,实际工业系统存在着不同程度的非线性和未知性的不可抗特征。其次,系统前向通路和反馈通路中,由于实际组成元件特性,往往存在非光滑不确定约束特性。当控制信号经过这些不利环节时,难免发生不期望的未知变化,这将可能引起系统控制性能下降,甚至导致不稳定现象。最后,组成元件之间的通讯受到网络带宽的限制,在存在上述约束和(或)执行器失效的情况下,控制信号在传输过程中,难免由于执行器失效问题而无法满足控制要求,同时由于资源限制与约束问题,使得失效补偿直接控制变得困难和极具挑战。因此,本文为了提高非线性系统的控制性能,降低控制方法的网络带宽占有率,以Backstepping技术为框架,针对带有随机扰动的非线性系统,设计智能控制策略,实现有效补偿执行器失效问题和降低约束对受控系统影响的目的。本文共分五章。第一章概述非线性控制方法研究现状、解决执行器失效等输入输出约束控制策略以及智能网络控制等研究现状。从第二章至第五章,是本文的四个主要研究内容。第二章主要内容为:磁滞现象在实际执行器中是普遍存在的,它会使得系统的控制输入产生磁滞效应。除此之外,在实际的运行中,执行器也会不可避免地产生失效问题。磁滞效应和执行器失效问题会明显削弱系统的暂态跟踪性能,甚至会造成系统的不稳定。通过对随机非线性不确定系统的研究,发现当同时考虑执行机构失效和输入磁滞,如何保证给定的暂态跟踪性能任有待解决。在本章中,利用模糊控制方法,解决执行器失效和输入磁滞的补偿问题,结合Backstepping技术和模糊自适应控制方法,设计针对以上问题的控制方法。进一步,所有信号都可以被证明是有界,且在带有输入磁滞和执行器失效的情况下仍然能够保证跟踪误差在设定的范围内。第三章:针对不确定随机非线性系统来说,如何设计补偿控制器是一项艰巨的任务和挑战。为了避免系统的非线性特性对输出的影响,本章提出了一种将神经网络与Nussbaum函数相融合的方法去解决该问题。在回溯李雅普诺夫函数技术的基础上,该方法的建立主要是为了保证能够提供跟踪误差约束。此外,系统中还同时存在这系统传输资源的约束以及作动器失效问题,这对系统控制方法的设计也是一个极大的挑战。当作动器发生失效情况的时候,系统需要更多的传输资源。然而,系统的传输资源是有限的,这个需求无法被满足。另外,如何保证系统的跟踪性能也是一个难点和挑战。利用本章所提出的事件触发控制器,结合李雅普诺夫方法,本章提出了一种新型的优化算法以保证闭环系统的稳定性和跟踪误差的收敛性。第四章针对不确定系统,本章节以Backstepping作为技术框架,设计了带有事件触发策略的智能控制方法。考虑到系统中不确定部分的存在,采用神经网络对其进行逼近,并将时变逼近误差融入于逼近系统的设计。除此之外,为了更好的处理神经网络中存在的权值向量维度大的问题,本章提出了一种自适应控制方法。同时,针对网络资源有限的问题,结合Backstepping技术提出了有效的事件触发控制方法,这种方法可以有效的平衡系统的跟踪性能和网络资源。第五章针对考虑执行器失效问题和智能控制的逼近误差问题,一种扩展维度模糊自适应控制方案被提出。在现实的物理系统,随机扰动是普遍会有的,而且该问题会破坏系统的瞬态跟踪性能,甚至还会破坏被控系统。本节将时变逼近误差的影响考虑到随机非线性系统控制方案中,同时考虑了时变逼近误差对执行器失效的影响。通过对模糊逻辑系统向量范数的进一步处理,从而可以大大减少控制方法的运算量。然而,符号功能将会产生一个具有挑战性的抖振问题。为此,将Backstepping技术和模糊逻辑系统技术相结合,来稳定具有随机扰动和执行器失效的随机非线性不确定系统。本章所提出新型控制方法实现了在执行器失效的情况下,系统的渐近收敛性能和预定的瞬态跟踪误差性能都能保证在预先设定的噪声目标范围内。