近年来,分数阶神经网络系统由于其良好的动力学性质,已经成为非线性学科领域研究的一个重要课题。相对于整数阶神经网络系统,分数阶神经网络系统能够有效描述系统的整体功能,并提高其计算能力。此外,由于在实际的工程领域中,神经网络系统的参数往往未知,所以,对于参数不确定的分数阶神经网络,对其参数进行估计就显得非常重要,因此,对于不确定分数阶神经网络,我们研究了基于滑模的有限时间控制,并对其参数进行估计;另外,对于带有系统不确定项和外部干扰的混沌系统,我们也用滑模对其有限时间控制,并对其系统不确定项和外部干扰的上界进行了估计,具体工作如下:1.对参数确定的分数阶神经网络系统,研究了其基于滑模的有限时间控制问题。通过应用分数阶系统的稳定性理论和滑模控制理论,给出了该系统实现有限时间控制的条件。同时,对于不确定分数阶神经网络系统,应用分数阶系统的稳定性理论和滑模控制理论,我们也给出了其有限时间控制的条件,并对其未知参数进行了估计。2.对于带有系统不确定项和外部干扰的混沌系统,研究了其基于滑模的有限时间控制问题。系统不确定项和外部干扰的不确定性使得理论与实际结果存在一定的差距,可能会导致稳定的系统出现震荡现象,因此,研究这类系统的有限时间控制问题也很有意义。滑模控制理论,是一种鲁棒变结构控制方法,它具有很多优点,比如快速响应,对外界干扰的敏感度低,容易实现,并且可以是参数未知的。因此,对于带有系统不确定项和外部干扰的混沌系统来说,我们可以用滑模方法来得到其有限时间的鲁棒控制,并对系统不确定项和外部干扰的上界进行估计。