多年来，非线性系统控制理论一直是自动化控制领域研究的热点之一。在现代控制理论的研究中，微分几何和Lyapunov稳定性理论是研究此类问题的重要方法。许多研究考虑的对象大都是简单的或一般的非线性系统，在这些方面我们已经取得了许多突破性的进展，像反馈线性化、自适应反演、神经网络理论、模糊逻辑控制等。而对于复杂的非线性系统（如非仿射非线性系统）的研究较少，基于输出反馈的非仿射非线性系统自适应控制问题研究更少。　　 本文研究了一类隐含控制输入的非线性系统（非仿射非线性系统）自适应控制问题。针对这种复杂的非线性系统，构造一种高增益观测器，结合前人的一些成果，以Lyapunov方法为基本工具，结合自适应神经网络逼近理论，利用微分代数等数学理论设计了一套新的算法，实现了对该类系统输出反馈的有效控制。本文的主要研究成果如下：　　 1．针对一类一般的单输入单输出(SISO)非仿射非线性系统，在系统状态不完全可测的情况下，利用一些数学理论，设计出一种高增益状态观测器，实现了对受控系统状态的虚拟估计。利用神经网络结构逼近系统中的非仿射部分，设计自适应律，提出了一类非仿射非线性系统的输出反馈控制设计方案，使得跟踪误差任意小，系统中所有信号都有界。　　 2．将现有的自适应神经网络控制理论延伸到了一般的多输入多输出(MIMO)非仿射非线性系统。该系统要求系统相对阶数已知，但对系统的维数不做要求，消弱了以往的一些假设条件。在系统比较复杂的情况下，引入了映射概念，对系统进行了重构，把状态方程化为了标准形式。然后，利用神经网络结构和自适应算法，给出了基于输出反馈的自适应控制器设计，使得跟踪误差趋近于零，且闭环系统所有信号有界。