随着社会生产力的不断发展以及人们对控制性能要求的日益提高,对不确定非线性系统的控制研究引起了控制领域广泛的关注,并取得了诸多的研究成果。在实际的控制系统中,时间滞后广泛存在。时滞的存在会对系统的性能产生重要影响,引起控制器奇异等问题,甚至会破坏闭环系统的稳定性。因此对非线性时滞系统的研究具有十分重要的意义。本文针对一类非线性时变时滞系统,结合Lyapunov-Krasovskii泛函,神经网络的逼近能力以及Lyapunov稳定性理论提出了几种自适应控制方案。本文的主要工作如下：第一,对一类具有未知扰动和非线性死区输入的MIMO非线性时变时滞系统,基于变结构控制原理和Nussbaum函数的性质,提出了两种改进的白适应控制器设计的新方案。该方案利用神经网络来逼近未知的非线性函数,通过选取适当的Lyapunov-Krasovskii泛函补偿未知的时变时滞不确定项。所设计的控制器是连续的,避免了抖振现象。通过利用二次型Lyapunov函数放宽了对控制增益的限制,所研究的系统更具有普遍性。通过理论分析,证明了闭环控制系统的所有信号是半全局一致终结有界的,跟踪误差收敛到一个小的残差集内。第二,对一类具有未知时变时滞的非仿射互联大系统,基于神经网络的逼近能力,提出了一种分散自适应神经网络控制方案。该方案利用中值定理对未知非仿射函数进行分离;利用分离技术和Young’s不等式放宽了对未知时滞及时滞互联不确定项的限制,同时大大减少了在线调节参数的数量。此外,利用Lyapunov-Krasovskii泛函补偿了未知时滞带来的不确定性。通过理论分析,证明了闭环系统所有信号是有界的,输出跟踪误差收敛到原点的一个小邻域内。第三,对一类控制增益符号未知和死区非线性输入的时变时滞非仿射互联大系统,基于Nussbaum型函数的性质和神经网络的逼近能力,提出了一种分散自适应神经网络控制方案。该方案利用中值定理对未知非仿射函数进行分离；利用分离原理和Young’s不等式放宽了对时滞及时滞互联不确定项的限制,同时大大减少了在线调节的自适应参数的数量。通过理论分析,所设计的自适应控制方案保证了闭环系统所有的信号是半全局一致有界的,同时输出跟踪误差收敛到零点的一个小邻域内。第四,对一类具有未知外部扰动和非线性输入的不确定多变量非线性时变时滞系统,基于变结构控制原理,提出了一种鲁棒自适应神经网络控制方案。该方案利用神经网络来逼近未知的非线性函数,通过选取适当的Lyapunov-Krasovskii泛函补偿未知的时变时滞不确定项。此外,利用矩阵的可分解性质将控制增益矩阵分解为一个对称正定矩阵、一个对角线元素为+1或者-1的对角矩阵和一个上三角矩阵的乘积。通过理论分析,证明了闭环系统所有信号是有界的,输出跟踪误差收敛到原点的一个小邻域内。