非线性、时滞、外部干扰在实际系统中是普遍存在的.正是由于它们的存在,才导致系统的性能变差.因而对这类问题的研究具有重要的意义.本文主要研究随机非线性系统的神经网络自适应控制器设计问题.本篇论文主要在以下几方面进行讨论:第一章中,我们介绍了随机控制系统及神经网络自适应控制的一些背景知识及本论文研究的目的与内容.第二章中,针对一类含未知干扰和输入时滞的随机非线性系统,通过运用积分中值定理, Backstepping方法,结合神经网络自适应控制,得到了一种自适应神经网络控制器的设计过程.控制器保证闭环系统的所有信号皆半全局随机有界且跟踪误差收敛于原点附件的小邻域内.仿真例子表明了控制方案的有效性.第三章中,针对一类随机非线性系统,通过运用Backstepping方法和神经网络参数化方法来进行控制器设计,控制方案保证了闭环系统的所有信号皆半全局随机有界.仿真例子表明了控制方案的有效性.第四章中,针对一类含未知外部干扰和未知时滞的随机非线性系统,利用神经网络参数化和Backstepping方法,提出了一种含较少学习参数的新的神经网络自适应控制策略,控制方案保证了系统的误差信号半全局随机有界.仿真例子表示了控制器设计方案的有效性.第五章中,我们对本论文进行了总结和展望.