时滞、控制带约束是实际工业系统中常常遇到的问题,时滞的存在会使系统信息传递延时,而不考虑约束条件设计出的控制器往往达不到系统控制要求,甚至可以导致系统不稳定。另一方面,实际系统需要在有限时间内控制到稳定,同时需要尽可能降低控制成本。因此,研究时滞且带控制约束的非线性系统最优控制问题具有重要的理论意义与应用前景。有限时间ADP算法通过引入误差限ε,在有限步迭代后得到近似最优控制,同时获得近似最优性能指标函数,是求解非线性系统有限时间最优控制的有效方法。本文应用有限时间ADP算法,对时滞及带控制约束的非线性系统最优控制问题进行了相关研究。主要成果包括：1、针对一类状态带时滞的非线性系统,引入有限时间迭代ADP算法求解带时滞的离散HJB方程,严格证明了迭代过程的收敛性,采用BP神经网络来实现算法,得到了ε-最优控制,仿真算例表明控制器效果良好。2、针对一类状态时滞且带有界控制约束的非线性系统,通过定义新型性能指标函数有效处理了控制约束,相应的HJB方程通过有限时间ADP算法进行迭代求解,证明了迭代代价函数收敛到最优性能指标函数,并得到了ε-最优控制,对比仿真实验验证了算法的有效性。3、针对实际工业常见的定点跟踪控制问题,通过数学变换,将原系统最优跟踪控制问题转化为新系统最优调节问题,其中新系统状态量为跟踪误差。基于有限时间ADP算法得到了一类状态时滞离散非线性系统ε-最优跟踪控制,仿真实验表明本文设计的控制器可以将任意状态跟踪到目标值并使得性能指标函数近似最优。