本文主要研究了混沌系统的控制问题。 由于自然界固有的非线性因素，使得混沌现象无处不在。通常情况下，由于混沌的不确定性，系统中出现混沌是有害的，有必要在系统出现混沌时进行控制；而另一方面，混沌包含着极其丰富的信息，但是混沌奇怪吸引子内的轨线(或信息)是高度不稳定的，瞬息万变，难以捕捉，因此即使混沌信息存储下来，也会改变，往往难以重复识别，如不加以控制，根本无法应用。 混沌控制问题是当前非线性研究的难点和热点问题。本文在分析了已有控制方法存在的缺陷的基础上提出了两种新的控制方法。 神经网络具有很强的逼近非线性模型的能力。本文采用收敛速度很快的RBF神经网络实现混沌系统的控制。RBF神经网络通过未知混沌系统的输入输出数据去学习该混沌系统，然后根据Lyapunov方法设计控制器。文中证明：当RBF网络能很好的逼近被控的混沌系统时，该方法的控制精度能够确保。 西安理工大学硕士学位论文仿真的结果大明基厂 卜BF 神经网络的混炖控制方法可以在系统模刑未知的。陷况卜实现控制，当系统参数存在摄动和有测量误差时控制仍然有效。 实际卜村中对控制过程中的系统状态和控制量都有一定的要求，由此本文徙山了基丁最小能桓的控制方法。文中对解冰非线性人系统问题的两级算法进汀了改进。上级对11－线性系统的某些量进行预估而变成线性系统，然后用动态规划解扒该线性系统的忧化问题；卜级对预估的量进行重新修正预估，直到预估的虽趋丁恒定便达到最优。针对虫曰模刑和 Henon 映射的仿真验证了此方i上的有效性，汁且此方法的控制能量足最小的。