在实际工程中，大部分的系统是非线性的，自适应控制方法作为解决非线性系统稳定性问题的主要方法之一得到了广泛研究。在现代控制中，大部分的控制器是通过计算机传输到系统中的，而采样数据控制就是将信号转换为方便计算机工作的控制方法。因此非线性系统的自适应控制以及非线性系统的采样数据控制具有非常重要的理论意义和实际研究价值。本文在已有工作的基础上，基于模糊逻辑系统和神经网络系统的逼近理论，研究了针对非线性系统的两类控制问题:一类是具有量化输入的非线性系统的自适应控制;一类是非线性系统的采样数据输出反馈控制。本文的主要研究工作如下:　　1.针对具有未知控制方向以及量化输入的高次非线性系统，研究了自适应状态反馈问题。首先，对于具有未知控制方向的高次上三角非线性系统，给出了基于Nussbaum-type函数以及反步(Backstepping)控制算法的自适应控制器。其次，对于具有量化输入的高次非线性系统，设计了基于迟滞量化器以及齐次控制算法的自适应控制器。所提出的控制方案均保证了闭环系统的所有信号是有界的，并且状态渐近收敛于零。仿真算例表明了设计方案的可行性。　　2.针对具有量化输入的参数不确定的非线性系统，研究了自适应有限时间控制问题。对于量化输入，引入迟滞量化器来减少量化信号中的抖振。然后利用一个递归的设计方法结合加幂积分器的方法来构造一个连续的有限时间控制器。所设计的控制方案能够保证闭环系统全局有限时间稳定。数值算例说明了设计方法的有效性。　　3.针对具有量化输入的非线性系统，研究了模糊自适应控制问题和神经网络自适应控制问题。首先，针对具有量化输入的单输入单输出的高次非线性系统，应用模糊逻辑系统来逼近非线性函数，结合反步(Backstepping)算法，设计了自适应状态反馈控制器，确保了闭环系统最终有界。其次，针对多输入多输出的纯反馈非线性系统，应用神经网络来逼近非线性函数，构造状态观测器，设计了基于反步(Backstepping)算法的自适应输出反馈控制器，控制输入信号被迟滞量化器或者对数量化器量化，确保了闭环系统所有信号最终有界。仿真结果表明了所提出的控制方法的有效性。　　4.针对带干扰的非线性系统，研究了采样数据输出反馈问题。首先，针对带干扰以及具有输入数据丢包的严格反馈非线性系统，利用模糊逻辑系统来逼近非线性函数，并且构造了状态观测器以及干扰观测器来分别估计未知的状态和干扰信号，应用伯努利随机分布来描述丢失的输入数据，然后设计了具有控制输入数据丢包的采样输出反馈控制器。同时给出了观测器增益以及采样周期的关系。所设计的控制器均能够确保闭环系统的稳定性。数值算例说明了控制方案的可行性。