在许多实际工业中,被控对象往往具有非线性的本质特性,例如:航空航天系统、电力系统、化工反应系统以及机器人系统等。另外,不确定性和约束往往会存在于各种非线性动态系统中,不确定性是由系统建模误差、未知外部环境干扰等因素产生,约束来源于系统本身的硬件要求和工作环境的限制等。因此,研究不确定非线性系统在受到各种约束要求下的稳定性控制问题有十分重要的理论和应用价值。本论文以Lyapunov系统稳定性理论为基础,并结合Backstepping过程与自适应智能神经网络控制算法,对受全部状态约束要求的不确定非线性系统的控制问题展开了深入研究。本文的研究工作总结如下:（1）针对一类受到全部状态约束要求的单输入单输出（Single-Input-Single-Output,SISO）不确定非线性系统（系统具有严格反馈下三角形式）,分别提出了基于时间触发和事件触发的智能控制算法。首先,将逼近误差、参考信号的一阶导数、虚拟控制的导数与基函数整合为一个向量,通过使用径向基函数（Radial Basis Function,RBF）基向量的基本属性和自适应方法消除了未知项的影响。其次,使用障碍函数方法对系统的全部状态进行约束,通过证明障碍函数的有界性,得到了系统的全部状态满足约束要求,并且所设计的时间触发的控制器可以保证系统输出轨迹渐近的跟踪上参考信号。然后,基于提出的时间触发策略,本文进一步设计了一个相对阈值的事件触发策略。在保证时间触发控制所能达到的性能的前提下,所设计的事件触发的智能控制器可以提高通信信道和资源的利用率,具有更大的现实意义。（2）针对一类带有未知控制方向的非严格反馈非线性系统,提出了基于Nussbaum技术的控制算法。本文提出了一种新的非线性映射方法,并使用该非线性映射方法将原本受到时变非对称全部状态约束的动态系统映射为未受到约束的新的动态系统。随后,对新的动态系统进行正常的Lyapunov稳定性设计,通过设计控制器使得映射后的系统状态达到稳定,从而间接证明原本的系统达到期望的控制目标。同时,使用Nussbaum技术消除了未知控制增益的影响。通过智能控制技术和Nussbaum技术所设计的控制器,可以保证闭环系统的全部信号都有界,并且时变非对称的全部状态约束不被违反。进一步的,将针对SISO系统给出的智能控制框架拓展到多智能体系统（Multi-Agent Systems,MASs）,设计了一种一致性智能跟踪控制策略,保证了每一个跟随者的输出信号可以一致跟踪上领导者的轨迹。