实际被控系统中通常具有非线性、不确定性,因此研究不确定非线性系统的控制方法具有重要的理论价值与现实意义。反馈线性化控制方法是非线性系统的主要控制方法之一,利用反馈线性化方法可以将非线性系统转换为线性系统,进而利用线性系统理论设计相应的控制器。当被控对象的动态特性未知时,则可以借助神经网络技术,进一步实现未知非线性系统的神经网络自适应控制。本文针对带有不确定性的非线性系统,运用反馈线性化技术、自适应技术、神经网络技术、Lyapunov稳定性理论以及鲁棒控制理论,研究了一类带有不确定性的非线性系统的鲁棒自适应控制问题。本文的主要内容分为以下几部分:(1)针对不确定仿射非线性系统,基于自适应反馈线性化方法和Lyapunov稳定性理论,提出了一种自适应反馈线性化控制方法。首先将不确定非线性系统分为标称部分和未知不确定变动部分,并运用径向基(Radial Basis Function,RBF)神经网络来逼近系统中的未知非线性函数,进而设计了基于RBF神经网络的鲁棒自适应控制器。同时,应用Lyapunov稳定性理论分析了闭环系统的稳定性,并给出了神经网络的权值更新律和自适应律。最后,运用仿真实验验证了所提出方法的有效性。(2)针对不确定非仿射非线性系统,设计了鲁棒自适应控制器。首先运用中值定理将非仿射非线性函数转换为仿射非线性函数,进而将不确定非仿射非线性系统的控制问题转换为不确定仿射非线性系统的控制问题。其次,利用仿射型神经网络逼近非仿射非线性函数,进一步提出了基于仿射型神经网络的鲁棒自适应控制方法。最后,当被控系统的状态不可测时,设计了基于状态观测器的鲁棒自适应控制方法。理论分析表明本文所提出的方法不仅保证了闭环系统的稳定性,而且具有控制器结构简单,避免了控制器的奇异性问题。同时,该方法同样适用于仿射非线性系统。仿真研究结果进一步验证了所提出方法的有效性。(3)针对具有模型不确定性的严格反馈非线性系统,基于自适应神经状态反馈控制技术,提出了一种基于神经状态反馈的鲁棒控制方法。首先,针对严格反馈非线性系统,运用特征方程理论,提出了非线性状态反馈控制方法。其次,结合神经状态反馈控制技术,针对严格反馈仿射及非仿射不确定非线性系统,进一步提出了基于神经状态反馈的鲁棒自适应控制方法。与传统的反演法相比,该方法具有结构简单,鲁棒性强,同时可以适用于许多不确定非线性系统的鲁棒自适应控制等特点。最后,基于Lyapunov稳定性定理表明该方法能够保证系统输出跟踪误差及整个闭环系统的稳定性。数值仿真结果验证了所提方法的可行性和有效性。(4)针对本文所提出的方法,选取磁悬浮系统、双摆系统以及机电系统对所提出的方法进行仿真分析。仿真结果表明本文所提出的方法能够应用于这一类的实际的非线性系统,具有一定的普适性。最后对本文的工作进行了总结,并且对下一步的研究工作进行了展望。