近年来,随着科技、社会经济以及文化的发展,切换控制技术和切换系统理论的应用比以往更加广泛。切换随机非线性系统的控制问题更是近年来切换系统研究的热点。本文针对切换随机非线性换系统,结合Backstepping方法,自适应神经网络控制技术以及平均驻留时间方法,研究控制器的设计方法及闭环系统的有界性问题。本文的主要工作概括如下:1.针对一类完全未知非线性非严格切换随机非线性系统,本文提出了一种新的基于神经网络的自适应跟踪控制器设计方法。在设计过程中,利用径向基函数(RBF)神经网络(NNS)的通用逼近能力来识别未知的非线性函数,并采用可变分离技术来克服非严格反馈结构带来的设计困难。最突出的新颖之处在于,各子系统的李雅普诺夫函数是通过灵活地利用各子系统控制函数的上界和下界来构造的。此外,通过结合平均驻留时间(ADT)方案和自适应反推设计,提出了一个有效的自适应神经状态控制器设计算法,使得闭环系统的所有切换信号是一致最终有界(SGUUB),并且跟踪误差最终收敛到原点的一个小邻域内。最后,通过仿真实例验证了该控制方案的有效性。2.针对一类带有输入饱和的非严格反馈随机非线性切换系统,构造了一种新的自适应神经跟踪控制器。在设计过程中,引入了辅助信号,解决了输入饱和带来的设计困难,采用可变分离技术解决了非严格反馈结构带来的设计问题,并通过Backstepping技术构造了共同李雅普诺夫函数。稳定性分析证明了闭环系统的所有信号都是一致有界的,并且跟踪误差收敛于原点附近的一个小邻域。最后,通过仿真实例验证了该控制方案的有效性。