控制系统的稳定性经常会受到电阻电容、环境温度、外界振动、噪声等因素的干扰.因此,针对随机的非线性系统,考虑基于模糊逻辑系统或神经网络的系统稳定性问题具有重要的理论价值和实践意义.在自动化工程实践中,应用模糊逻辑系统和神经网络来近似系统中的非线性函数是一个有效可行的方法.一方面,由于模糊逻辑系统能够逼近系统中任意的未知非线性函数,许多基于模糊逻辑系统的稳定性课题已经得到了广泛的研究.但是对于同时含有时变延迟和死区的随机非线性系统,已有的结果尚未给出一个合适的方案.另一方面,在控制理论研究领域中,已有的研究结果表明,人工神经网络也具有逼近任意非线性连续函数的特点.神经网络已经在控制系统建模、控制方案设计、系统参数辨识、系统模式识别等方面得到了很广泛的研究和应用.但对带有未知方向滞后的随机非线性切换系统,已有的结果尚未利用人工神经网络方法给出一个合适的稳定性控制策略.本文分别对带有时变延迟和死区的随机纯反馈系统和带有未知滞后的随机非严格反馈切换系统进行了研究.在系统状态不可测的条件下,通过分别引入模糊逻辑系统和人工神经网络方法提出了两类自适应跟踪控制方案.本论文的主要研究内容概括如下:首先,对于带有时变延迟和死区的随机纯反馈系统,在状态不可测的条件下,基于反推法和模糊逻辑系统近似,本文提出了一种自适应跟踪控制方法.本文通过Lyapunov稳定理论与反推技巧相结合,设计了一个自适应模糊控制器.在反推设计过程中,所提出的控制方法使用中值定理解决了纯反馈结构中设计控制器的复杂问题,并且引入了模糊逻辑系统的近似性能来逼近系统中的未知光滑非线性函数.本文所设计的控制器能够保证闭环系统输入到状态实际稳定,并且使系统中的所有控制信号达到半全局一致最终有界,系统跟踪误差收敛到原点的一个小邻域内.另外,由于控制器的设计尽可能地减少了自适应参数的数量,从而降低了系统的运算成本并且提高了系统的运行效率.其次,针对一种带有未知滞后的随机非严格反馈切换系统,本文设计了一个自适应模糊跟踪控制方案.由于所研究的非线性系统具有Backlash-like滞后和滞后方向不确定的特性,因此本文利用变量分离方法对状态变量进行分解,使其在任意切换条件下能够逼近于一个简单的光滑函数.本文通过引入人工神经网络来逼近系统中未知的非线性函数,从而设计一个恰当的虚拟控制信号.通过设计合适的自适应律、实际控制信号,本文所提出的控制方案使系统跟踪误差收敛到一个紧集中.与传统的自适应神经网络控制方法相比,本文所提出的控制方案有效地减少了神经网络在线调节的自适应参数,从而减轻了计算负担,提高了系统的运行效率.