实际工程控制系统由于被控对象所处环境局限性、设备本身物理极限或者出于安全性考虑而受到各种形式的约束限制,忽略这些约束特性可能会损坏设备甚至出现人员伤亡等情况。同时,由于这些约束特性的存在而使得控制器设计变得更加困难与复杂,所以非线性系统约束控制也逐渐成为当前控制领域的热点和难点问题。本文主要研究以下三个方面内容:(1)针对具有时变输出约束非线性不确定机器人系统,提出一种自适应神经网络逼近控制方法,通过构造新型时变障碍Lyapunov函数和设计自适应控制器,利用神经网络系统对被控对象未知函数逼近,进而保证系统的跟踪性能和稳定性能。同时,将该理论拓展到具有时变状态约束不确定机器人系统中,两种情形都是基于Lyapunov函数分析系统的稳定性,从而实现各自约束条件没有被违反。对非线性机器人系统进行仿真研究,验证所提出控制方法的有效性。(2)针对具有全状态约束非线性随机系统提出自适应控制方法,该方法不仅解决了随机系统难以实现稳定的问题,而且使得控制器设计变得更加简单,通过构造对称和非对称形式的障碍Lyapunov函数,保证随机系统的所有状态都不超出其约束边界,克服了状态约束对系统性能的影响,仿真研究验证该方法的有效性。针对一类状态约束不确定非线性MIMO耦合系统,提出一种基于模糊自适应的控制方法,通过采用模糊逻辑系统逼近未知函数,并提出解耦Backstepping方法设计出使系统稳定的控制器和自适应律,确保了所有状态被约束在相应的紧集中,解决了耦合结构带来难以实现非线性控制问题,通过对化工系统中连续搅拌反应釜仿真研究和数值仿真研究,验证所提出自适应控制方法的可行性。(3)针对一类具有时变状态约束不确定性非线性严格反馈参数化系统,提出一种自适应参数化控制方法,在每一步Backstepping设计过程中,通过构造时变的非对称障碍Lyapunov函数,进而保证所有状态变量在时变约束范围内的有界,基于Backstepping方法设计的控制器保证了系统输出变量的跟踪性能,数值仿真验证该方法的有效性。此外,将所提出的时变状态约束自适应控制理论用来解决非线性液压伺服系统神经网络控制问题,通过以往的研究表明,对该系统进行约束能提高非线性系统跟踪精度。采用Backstepping算法设计自适应控制器,利用神经网络对不确定性函数进行估计。通过分析系统稳定性,得出闭环系统的所有信号都有界和时变状态约束条件没有被违反。液压伺服系统仿真实验结果表明,所提方法能改善控制器的跟踪性能和系统的鲁棒性能。