随着计算机、通信技术的不断发展,网络控制系统越来越普遍。然而在网络化给控制领域带来新的发展机遇的同时,由于网络带宽的有限,当信息以很高的频率进行传输时容易出现各种各样的问题,这些问题会影响到系统的性能,甚至是系统的稳定性。为了应对这一问题,降低传输频率是有效的方法,事件触发控制作为一种典型的非周期控制方法引起了大家的注意。本文针对一类不确定系统的事件触发控制问题进行了进一步的研究,由于系统存在不确定性,目前已有的事件触发控制方法不能直接使用。由于神经网络具有强大的学习能力和非线性逼近能力,被广泛的用于不确定性系统中。因此本文首先采用传统的自适应神经网络算法用来保证系统的性能,然后在此基础上引入事件触发机制从而降低信号的传输频率、减少通讯量。相比于传统的自适应神经网络控制器,数据的传输和更新是由事件决定的,并非时间决定的,因此能够降低通信频率,提高网络系统的稳定性。本文首先针对连续型严格反馈系统基于状态反馈在自适应神经网络的基础上提出两种切换型事件触发机制,该算法能够在保证系统良好性能的基础上降低通信频率,并且该切换型策略能够有效地避免zeno现象,具有合适的触发频率。针对离散型严格反馈系统,分别研究了基于状态反馈和输出反馈的的事件触发控制问题,首先需要将系统转换成一类预测系统以避免因果矛盾,在自适应神经网络控制的基础上引入切换型事件触发机制,能够保证系统良好性能的基础上降低通信频率。对于所提出的算法,本文首先利用李雅普诺夫函数进行分段讨论,运用严格的数学公式证明,其次利用matlab仿真软件对其他文献中出现的模型进行仿真验证,在理论和实际两个方面证实所提出算法的有效性。本文的研究内容无论是在理论研究上与实际应用上都具有很重大的意义。