时滞系统和随机系统都是实际工程应用中非常重要的系统,都是很有研究价值的系统.与一般的系统相比,时滞系统和随机系统都具有更复杂的结构.近年来在控制领域应用比较广泛的研究方法是反推控制法,但其设计过程中会存在“微分爆炸”的问题,使控制器的计算量非常大,为此提出了动态面控制方法.但是在非线性系统控制中,动态面控制方法虽然克服了上述缺点,还存在在线调整参数过多的弊端.因此,在本文中我们将动态面技术与神经网络控制相结合运用了一种基于神经网络的自适应动态面控制方法,不仅克服了反推设计过程中的缺陷,同时解决了在线调整参数过多的现象,大大减少了计算量.该论文主要针对时滞系统和一类带有死区的随机系统运用基于神经网络的动态面控制进行了研究.其主要结论包括以下两个部分:1)一类非仿射非线性时滞系统的基于神经网络的自适应动态面控制对一类时滞系统在状态时滞未知和不确定干扰条件下进行了控制器设计并进行稳定性分析.首先,为了使未知非仿射函数具有显式的控制输入,我们运用中值定理将其进行分解.然后,进行基于神经网络的动态面控制设计:将所有未知函数打包,作为一个整体用神经网络逼近.随后,用Lyapunov-Kraoskii泛函来补偿未知时滞不确定项,进行稳定性分析.最后,用仿真实例验证了控制器设计的有效性.2)一类带有死区的不确定随机系统的输出反馈自适应动态面神经网络控制研究了带有死区的不确定随机系统的输出反馈自适应动态面控制器的设计问题.首先,对系统进行了观测器设计.然后,进行基于观察器的动态面控制设计和稳定性分析:将所有未知函数仅用一个神经网络来逼近.最后,用仿真实例验证了结果的正确性和所提方法的有效性.