作为智能控制的一个重要分支领域,基于神经网络建模的非线性系统鲁棒自适应控制近年来引起了人们越来越多的重视。本文就此领域的相关问题展开一系列研究,主要研究了一类非线性规范形及具有严格反馈的不确定非线性系统的控制器设计问题。以李亚普诺夫(Lyapunov)稳定、自适应控制、神经网络控制、积分变结构控制等理论为基础对闭环控制系统进行设计与分析。主要工作如下:首先,针对一类具有未知常数增益的不确定非线性系统,提出一种具有监督控制的自适应神经网络控制方案。该方案通过引入最优逼近误差的自适应补偿项来消除建模误差的影响,同时引入积分型切换函数,使得控制结构简单,无须求解李亚普诺夫方程。理论分析证明了闭环系统状态有界,跟踪误差收敛到零。进一步对具有未知死区和未知常数增益的不确定非线性系统,提出了一种自适应神经网络控制,该方案同样能保证了闭环系统稳定,跟踪误差渐近收敛到零。其次,讨论了一类具有未知死区和未知函数增益的不确定非线性系统的自适应神经网络控制问题。针对未知死区模型倾斜度相等和不等,分别提出了两种自适应神经网络控制器设计新方案。该方案利用了滑模控制原理和Nussbaum函数的性质,取消了函数控制增益符号已知和死区模型上界、下界已知的条件。通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响。对于未知死区模型倾斜度相等的情形,理论分析证明了闭环系统半全局一致终结有界,跟踪误差收敛到零。而对于未知死区模型倾斜度不等的情形,只能证明到闭环系统半全局一致终结有界。最后,针对一类带有死区模型的严格反馈非线性系统,基于后推设计方法,Nussbaum函数的性质及积分型李亚普诺夫函数,提出了一种自适应神经网络控制器的设计方案。通过引入示性函数,提出一种简化死区模型描述,取消了死区模型的倾斜度相等的条件。此外,该方案取消了函数控制增益符号已知和死区模型参数上界、下界已知的条件。通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响。理论分析证明了闭环系统是半全局一致终结有界。通过本文的研究,较好地解决了几类不确定非线性控制系统的设计与分析问题。在存在逼近误差的情况下,通过监督控制、积分变结构控制、后推设计和自适应补偿等方法保证了闭环控制系统的稳定性和跟踪效果。各个控制方案的仿真实验则进一步表明了其有效性和实用性。