现代社会和工业的快速发展促使系统控制理论不断完善以满足实际应用的需要.考虑到现代实际系统包含多种非线性因素,非线性系统的控制研究受到了广泛的关注.然而,由于非线性系统的多样性和复杂性以及各种控制方法优缺点并存等因素,现有非线性系统研究成果具有一定的局限性.对多种形式的非线性系统进行更深入的研究和探索,克服现有工作的不足,提出新的控制设计是非常有必要的.因此,本文研究了具有状态约束特性或状态不可量测的多输入多输出（MIMO）不确定非线性系统,依赖于自适应backstepping控制方法设计了新的控制方案和稳定性分析.具体内容包括:针对带有全状态约束的不确定MIMO非线性系统,研究了跟踪控制问题.通过引入一种联合的障碍函数,解决了状态约束问题.在backstepping控制方案中,神经网络机制和自适应估计技术处理了系统中未知的不确定函数,命令滤波技术被用来避免计算量爆炸问题.另外,为了节省通信资源,设计的最终实际控制器为事件触发控制器.最后,通过倒立摆系统仿真例子和对比仿真例子验证了该控制方案的有效性.针对带有全状态约束的不确定MIMO非线性系统,研究了跟踪控制问题.设计了一种广义障碍函数处理状态约束问题,其广义性在于它可以适用于有或无状态约束要求的系统.通过设计一种新的一阶滤波器并将其嵌入到backstepping中,使得控制方案的结构可行,避免了计算量爆炸.另外,构造了一种新的单参数自适应估计方法,用于处理系统不确定函数向量和未知增益矩阵.最后,通过一个机械臂仿真实例验证了控制方案的有效性.针对含有不可测状态的非严格反馈不确定MIMO非线性系统,研究了跟踪控制问题.设计状态观测器解决了状态不可测问题.然后设计了基于状态观测器的控制方案.在控制设计过程中,利用神经网络的结构特性不仅近似估计了非线性函数,还解决了系统的非严格反馈问题,自适应技术解决了未知参数的问题.另外,为了节省通信资源,设计的最终实际控制器为事件触发控制器.最后,数值仿真例子验证了控制方法的有效性.针对含有不可测状态,未建模动态,未知扰动的不确定MIMO非线性系统,研究了控制问题.首先,引入了神经网络观测器来估计未测量状态.然后,设计了基于状态观测器的控制方案.在控制方案设计过程中,首先使用了一种动态信号对未建模动态进行处理,再利用神经网络机制和自适应技术相结合的方法对未建模动态,未知非线性函数和未知扰动造成的不确定性进行了估计.最后,数值仿真例子验证了控制方法的有效性.