非线性系统的控制器设计具有广泛的应用背景,近二十年来一直是自动化控制领域所要研究的热点课题,尤其是将Backstepping技术与神经网络逼近理论相结合的自适应Backstepping神经网络控制方法受到研究者的广泛关注.作为非线性系统的重要组成部分,随机非线性系统考虑了外部随机干扰等因素,适应面更广,但由于不确定性及模型复杂度的增加,其控制器设计与性能分析比确定性情形要复杂的多.本文主要针对随机严格反馈非线性系统,基于Backstepping技术以及积分型Lyapunov函数提出了一种自适应神经网络控制方案.主要成果如下：第一,针对一类特殊的随机严格反馈非线性系统,引入积分型Lyapunov函数,利用神经网络的逼近能力、后推设计方法以及Young’s不等式,构造出一类简单有效的自适应神经网络状态反馈控制器.现有文献研究了非线性规范型,且控制增益函数只包含部分状态变量,现将其推广到严格反馈非线性系统,并取消了控制增益函数只包含部分状态变量的限制条件.并在上述系统的基础上,考虑了带有摄动项的情形,通过对摄动项给出相应的假设条件,提出了一种自适应控制方案.通过Lyapunov方法,证明了闭环系统的所有信号在二阶或四阶矩意义下半全局一致终结有界,输出跟踪误差收敛到原点的一个小邻域内.仿真结果验证了所给控制方案的有效性.第二,针对一类一般的随机严格反馈非线性系统,基于后推设计,引入积分型Lyapunov函数,并利用神经网络的逼近能力,提出了一种自适应神经网络控制方案.与现有研究结果相比,放宽了对控制系统的要求,取消了对于未知函数的限制条件.通过Lyapunov方法,证明了闭环系统的所有信号在二阶或四阶矩意义下半全局一致终结有界,输出跟踪误差收敛到原点的一个小邻域内.仿真结果验证了所给控制方案的有效性.第三,针对一类随机严格反馈非线性系统,利用神经网络参数化和后推设计方法,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,该方案不仅克服了自适应参数的个数依赖于神经网络节点数的缺陷,并且对于一个n阶严格反馈非线性系统,只有-个参数需要在线调节,降低了计算的复杂性,使得算法更容易实现.通过Lyapunov方法,证明了闭环系统的所有信号在二阶或四阶矩意义下半全局一致终结有界,输出跟踪误差收敛到原点的一个小邻域内.仿真结果验证了所给控制方案的有效性.