近年来,随着控制理论的发展,非线性系统的控制研究引起了国内外学者的广泛关注.尤其是将自适应控制与动态面技术相结合的自适应动态面控制技术为非线性系统的研究提供了新方法.时滞和未建模动态存在于许多实际系统中,往往是导致系统不稳定和系统性能变差的根源,因此对具有时滞和未建模动态的非线性系统的研究有十分重要的理论意义和实际应用价值.本文利用径向基函数神经网络逼近未知函数,并将李亚普诺夫稳定、自适应控制、动态面控制等理论有机结合,对几类具有动态不确定性的非线性系统,提出了一些自适应控制方案.主要成果如下：第一,对一类纯反馈非线性系统,利用后推技术,动态面技术,结合神经网络逼近方法,积分型李雅普诺夫函数,提出了一种自适应神经网络控制方案.该方案只有一个参数需要在线调节,并且取消了逼近误差上确界已知的假设.并在上述系统的基础上,考虑了带有未建模动态的情形,通过对未建模动态给出相应的假设条件,提出了一种自适应控制方案.该方案取消了关于虚拟控制增益偏导数的假设,放宽了对控制系统的要求.结合Young’s不等式以及径向基函数神经网络技术,放宽了关于未建模动态的假设条件.对于未知连续函数逼近设计中采用了直接逼近系统未知函数和Young’s不等式推理后获得的黑箱函数的两种逼近方式,比较了两种方法的效果及优劣.两种方案均理论分析证明了闭环系统的稳定性,跟踪误差收敛到原点的一个小领域内.仿真结果证明所给控制方案的有效性.第二,对一类具有未建模动态的严格反馈非线性系统,提出一种自适应神经网络动态面控制方案.该方案将动态面控制方法扩展到具有未建模动态的严格反馈非线性系统的控制器设计中,拓展了动态面控制方法的应用范围.利用动态面控制方法引入的紧集来处理未建模动态对于系统的影响.利用Young’s不等式,提出两种自适应参数调节方案.与现有研究结果相比,有效的减少了可调参数的数目,放宽了动态不确定性的假设,无需虚拟控制增益系数导数的信息.理论分析证明了闭环控制系统是半全局一致终结有界的,且跟踪误差收敛到原点的一个小领域内.仿真结果验证了所给控制方案的有效性.第三,对一类具有未知时变时滞和未建模动态的不确定严格反馈非线性系统,基于后推设计提出了一种自适应神经网络控制方案.选取适当的Lyapunov-Krasovskii泛函。放宽了时滞不确定项上界函数的假设.利用径向基函数神经网络逼近未知连续函数,通过构造待逼近连续函数解决控制器出现的奇异问题.利用Young’s不等式,有效的处理了未知虚拟控制增益.理论证明,设计的控制器保证了闭环系统所有信号都是半全局一致终结有界的,且跟踪误差渐近收敛到零的一个邻域内.仿真结果验证了所给控制方案的有效性.第四.对一类多输入多输出非线性系统,利用径向基函数神经网络方法和滑模控制方法,提出一种新的神经网络自适应跟踪控制方案.与已有文献相比,该方案处理了多种不确定性.包括未建模动态、时变时滞、完全未知控制方向和未知动态扰动.使用适当的Lyapunov-Krasovskii泛函不仅有效的补偿了状态时滞,而且放宽了时变时滞上界函数已知的假设.另外,控制器的设计中无需计算时滞积分项,减小了计算负担.结合Young’s不等式以及径向基函数神经网络技术.放宽了关于未建模动态的假设条件.理论分析证明了闭环控制系统是半全局一致终结有界的.仿真结果验证了所给控制方案的有效性.