随着系统控制要求的提高和控制理论的发展,越来越多的结构复杂的非线性系统控制设计被广泛应用于电力系统、航空航天系统和工业过程控制等领域。在这些实际控制系统中,一方面,即使对简单的线性定常系统,采用反馈控制后,闭环系统也会变成高度的非线性方程,而由此闭环系统所给出的输入―输出信号往往又是复杂的随机过程,因此非线性和随机性是控制理论研究的本质困难。另一方面,基于事物的变化规律通常依赖于当前状态和过去一段时间状态的事实,可以断定实际系统中大都存在时滞。受测量工具和控制手段局限性的影响,人们难以清楚认识复杂系统的内部机理,从而导致建模后的时滞非线性系统不可避免地存在不确定性。这些现象的存在给现有的非线性控制设计方法提出了新的挑战。另外,控制精度的需求越来越高,亟需发展新的、更为有效的控制策略。本文的研究内容从以下两部分开展:第一部分探讨了具有动态不确定性的高阶随机非线性系统的输出跟踪控制问题。所研究的系统同时具有动态不确定性、未知高阶项和不确定非线性函数。利用神经网络径向基函数处理未知非线性。引入两种动态信号分别控制动态不确定性和调整跟踪精度。该连续控制器确保闭环系统的所有状态是依概率有界的,并且跟踪误差收敛到预先指定的范围内。最后通过仿真实例验证了控制方案的有效性。第二部分研究了一类具有死区输入和未知连续时变输出函数的时滞非线性系统的鲁棒输出反馈控制问题。该系统的一个显著特点是不仅考虑了死区输入和连续扰动,还包括连续时变函数作用下的未知测量输出。基于双占优法和具有死区特性的坐标变换,构造鲁棒输出控制器以保证所有状态是最终一致有界的。最后,通过仿真例子说明了理论结果的有效性。总之,本文所研究的内容可以为现有框架下不能解决的难题提供新的思路,丰富了不确定非线性系统的输出跟踪和反馈控制,因此不确定非线性系统的控制设计既有理论意义又有实际价值。