本文的重点是在不确定混沌系统的智能控制与同步方法上进行了一系列的探索和研究。全文主要工作有如下几个方面:1.综述了混沌研究的发展历史及其意义,归纳和总结了混沌的定义及混沌应用前景,着重评述了最近十几年来国内外几类具有代表性的混沌控制方法及其特点,阐述了本论文的研究意义。2.研究了一种将暂态误差预测技术、小扰动控制技术、梯度下降法和遗传算法(GA)融合起来控制非线性混沌系统的复合遗传神经网络方法(简称HyGANN法)。该控制方法无需了解系统的动态特性和精确的数学模型,也不需监督学习所要求的训练数据,通过增强学习训练方式,采用改进遗传算法优化神经网络权系数,使之成为混沌控制器,便可产生控制混沌系统的时间序列小扰动信号,仿真实验结果表明它不仅能有效镇定混沌周期1、2等低周期轨道,而且在周期控制技术基础上,也可成功将高周期混沌轨道(如周期4轨道)变成期望周期行为。该方法不必知道控制对象的动力学模型及诸如系统状态维数和不动点位置等其它特性,又具有一定的抗噪声干扰能力,因此可以推广应用到其它混沌系统的控制中。3.提出了一类不确定混沌系统的模糊神经网络自适应控制方法。该方法采用少量模糊规则(“如果-则”语言规则),使模糊神经网络逼近系统中不确定函数;然后通过Lyapunov函数法和参数投影算法,即可在线调整模糊神经网络控制器参数。利用监督控制器的特点,使控制过程系统所有状态均处在约束集范围内。并且给出了界的数学表达式以便在控制器的设计过程中根据实际需要来确定界,实现参考模型自适应跟踪控制。当只有模糊神经网络(FNN)工作时,如果系统性能不稳定,则监督控制发挥作用以迫使系统转入正常运行;而当FNN单独作用能够使系统性能达到设计要求,则监督控制不参与作用。总之,运用所研究的控制方法实现混沌状态跟踪控制,理论分析表明在所有信号一致有界的意义上可以保证最终的闭环系统具有全局稳定性,仿真结果验证了所给出结果的正确性和控制方法的有效性。4.将奇异扰动方法应用到动态神经网络辨识器的稳定性分析及鲁棒性设计研究中。利用动态神经网络对混沌系统“黑匣子”进行辨识,然后在辨识估计的基础上,设计自适应状态反馈控制器对混沌系统状态进行调整,实现不确定混沌系统的参考模型轨道跟踪控制。仿真结果表明所提出的控制方法能够有效地将混沌行为镇定到期望目标轨道。5.运用动态神经网络作为不确定混沌系统的辨识模型,利用滑模控制方式在线调整网络权值,以适应混沌系统快速变化而达到实时辨识要求。考虑到辨识模