随着现代工业的迅速发展,拓广下三角结构非线性互联模型在工程系统中广泛存在。由于此类模型具有结构复杂的特性,使得该模型的分析、设计及智能控制成为一项挑战性的工作。同时,实际控制系统通常需要考虑环境因素、性能要求和安全性,使得被控系统往往存在不同类型的输入和输出约束。因此,系统模型的受约控制已经成为国内外广泛关注的研究课题,目前存在大量的设计难题亟需解决。本文对于一类具有拓广下三角结构的非线性互联模型,在互联项的不同假设条件下,结合Backstepping设计方法以及自适应神经网络控制技术,提出了针对不同类型约束的设计方案,研究了相应的智能分散控制算法和闭环系统的稳定性。具体工作如下:(1)针对一类带有非对称常数输出约束的拓广下三角结构的非线性互联模型,提出了一种基于障碍函数的分散自适应智能跟踪控制方案。所提出的障碍函数是通用的,既可以应用于具有非对称约束要求的系统,也可以应用于具有对称约束或无约束要求的系统并且不需要更改控制结构。对于拓广下三角结构和未知关联项同时存在所造成的设计障碍,本文利用神经网络中高斯函数的固有性质和引入一个光滑函数来克服。所提出的智能控制方案保证了整个闭环系统的所有信号都是一致最终有界的并且与互联强度无关,同时确保了互联模型中各个子系统的输出跟踪误差可以收敛到预先定义的任意小的范围,并且满足输出跟踪误差的非对称常数约束要求。最后,对于双倒立摆的仿真结果表明了所提出的智能控制方案的有效性。(2)研究了带有时变输出约束和死区输入的拓广下三角结构非线性互联模型的自适应神经网络分散智能控制设计问题。拓广下三角结构、时变非对称输出约束和死区输入同时存在导致了每个子系统的智能控制器设计是非常困难的。因此,所提出的智能控制方案应用径向基函数(RBF)神经网络来逼近系统的未知非线性函数,然后结合Backstepping设计方法及自适应神经网络中基函数的固有的性质巧妙地处理系统的拓广下三角结构问题。此外,李雅普诺夫稳定性分析表明,闭环系统涉及的所有信号是一致最终有界的。同时,提出的障碍函数能够保证每个子系统输出都可以收敛到一个任意小的预先定义的时变约束范围,并且始终满足相应的时变非对称输出约束要求。最后,基于实例的仿真结果证明了所提出的智能控制设计方案的有效性。