随着非线性控制理论特别是反馈线性化理论的发展，非线性状态观测器的设计以及基于状态观测的非线性控制理论的研究显得愈发重要。本文将智能控制思想与非线性系统理论紧密结合，对非线性状态观测器的设计以及基于状态观测的非线性系统的控制进行了深入研究。 1．本文针对一类参数不确定的非线性系统，提出了自适应状态观测器存在的充分条件，同时给出了观测器增益的解析解。并将遗传算法和基于Lyapunov方法的自适应观测器设计方法相结合，提出了一种自适应观测器的直接设计方法。首先将观测器设计问题转换为约束可满足性问题，然后通过空间搜索获得问题的优化可行解。通过对CSTR的仿真，说明了该方法的有效性和实用性。 2．动态递归神经网络(以下简称动态神经网络)是极具潜力的一种建模法，它代表了神经网络建模、辨识和控制的发展方向。本文采用动态神经网络对一般非线性系统进行了系统辨识和状态观测，证明了动态神经网络观测器在一定的初始条件下，具有逼近一般非线性系统状态轨迹的能力。推导了离线动态BP算法，并进一步提出了实时在线的快速学习算法，增强了利用动态神经网络进行在线系统辨识和状态观测的实时性。本文还通过对神经网络模型进行分析，提出了面向对象的神经网络程序设计方法。 3．本文针对异步电动机直接磁场定向的矢量控制，提出了基于动态神经网络的转子磁链自适应观测器，通过利用矢量控制中定子电流和转子磁链的关系实现了转子磁链自适应估计。仿真结果表明该转子磁链观测器可以在较大速度范围内跟踪转子磁链矢量的变化，同时对变化较大的转子时间常数具有一定的鲁棒性。 4．本文提出了采用动态神经网络重构非线性系统状态空间模型，利用网络内部状态进行反馈线性化的控制思想。当网络输入输出特性逼近非线性系统的特性时，可以实现对该系统的解耦控制。通过动态神经网络进行系统辨识，建立了异步电动机的双输入双输出等效状态模型，并通过网络内部状态反馈，将电机解耦为转速和定子磁链两个线性子系统。仿真结果表明，基于动态神经网络的自适应控制器具有良好的速度跟踪性能和抗外界负载扰动的能力。