随着工业过程日趋复杂,系统存在着未建模动态、输入量化、输入死区、执行器故障和随机扰动等多种不确定因素。由于生活质量的提高,人们对控制系统性能的要求也与日俱增,传统控制方法仅考虑系统的稳定性已不能满足实际需求,而预设性能控制既考虑了系统的稳定性也考虑了瞬态性能。近年来,具有未建模动态、输入量化、输入死区和执行器故障等多种不确定的随机输出反馈非线性系统自适应控制已成为控制理论研究的热点之一,此项研究具有重要的理论意义和潜在的应用价值。本文针对具有未建模动态、输入量化、输入死区、执行器故障和预设性能的随机非线性系统,利用高增益观测器和K滤波器估计系统的不可测状态,将命令滤波技术与传统动态面控制（DSC）方法有机结合并引入补偿信号提出了三种自适应输出反馈DSC策略,其主要内容阐述如下:（1）针对一类具有未建模动态、输入量化和预设性能的随机非线性系统,提出了一种基于命令滤波器的新自适应输出反馈DSC方案。采用一种结合滞回量化器和均匀量化器优点的新型量化器来处理输入信号,利用径向基函数神经网络（RBFNNs）逼近未知光滑函数,借助动态信号来处理未建模动态,设计高增益观测器估计系统不可测量的状态,将双曲正切函数和时变函数应用到预设性能函数的设计中。在传统DSC方法的基础上引入二阶命令滤波器,并在每一步设计中增加补偿项,该方法不仅能有效地避免后推（Backstepping）设计中的“复杂性爆炸”问题,还能消除传统DSC中由一阶滤波器引起的滤波误差。通过李雅普诺夫（Lyapunov）稳定性分析,证明了被控系统中所有信号在概率意义下是半全局一致终结有界（SGUUB）的,最后利用两个仿真实验也验证了该控制方案是有效的。（2）针对具有输入死区、执行器故障、未建模动态和预设性能的随机非线性系统,通过构造非线性命令滤波器,提出了一种基于命令滤波器的新自适应有限时间输出反馈DSC策略。利用RBFNNs逼近未知函数,引入动态信号处理未建模动态,利用双曲正切函数和时变函数构造预设性能函数,使得系统的跟踪误差在概率意义下很好的收敛到时变预设范围内。通过高增益观测器估计系统不可测状态,将输入死区模型和执行器故障模型线性化成一个复合输入模型。基于改进的DSC方法和随机有限时间理论设计了一个不存在“奇异性”的新虚拟控制律,简化控制器设计的同时还加快了系统的收敛速度。通过Lyapunov稳定性方法证明了被控系统中所有信号在概率意义下是半全局有限时间稳定（SGFSP）的,最后利用两个仿真实验也验证了所提出的控制策略是有效的。（3）针对具有输入量化、执行器故障、未建模动态和预设性能的非严格反馈随机非线性互联系统,提出了一种基于命令滤波器的新分散自适应神经输出反馈DSC方案。利用RBFNNs逼近未知函数,设计分散K滤波器估计系统不可测状态,引入可测动态信号抵消未建模动态信号的影响,将双曲正切函数和时变函数引入到预设性能函数的构造中。利用高斯函数的性质处理非严格反馈系统,将迟滞量化器模型和执行器故障模型线性化处理,并引入平滑函数来补偿量化和有界卡滞故障的影响。基于DSC方法,采用一阶命令滤波器代替传统DSC中的一阶滤波器,并在DSC设计的每一步中引入误差补偿项来消除滤波误差对系统的影响,提高系统跟踪性能的同时简化了设计过程。通过Lyapunov稳定性方法证明了被控系统中所有信号在概率意义下是SGUUB的,最后利用两个仿真实验也验证了该分散自适应控制方法是有效的。