近年来,基于在线逼近的不确定非线性系统自适应控制吸引了广大学者的研究兴趣。本文对不确定下三角非线性系统的神经网络自适应跟踪控制问题进行了研究。主要工作包含以下几个方面：1.对一类控制增益未知的不确定仿射纯反馈非线性系统提出了一种神经网络自适应反步动态面控制设计方法。在控制设计中,应用神经网络逼近系统中的未知函数设计出虚拟控制律与实际控制律,并使用动态面控制技术对虚拟控制律进行滤波处理。进一步地,对一类不确定非仿射纯反馈非线性系统提出了一种神经网络自适应反步动态面控制设计方法。在控制设计中,首先将子系统转化为具有类仿射的形式,然后应用神经网络逼近子系统中的未知函数实现虚拟控制律与实际控制律,并使用动态面控制技术对虚拟控制律进行滤波处珲。所提方法降低了控制设计的复杂程度,控制器实现容易,并克服了控制器循环结构问题。应用Lyapunov稳定性、输入状态实际稳定性以及小增益定理等对闭环系统进行了分析,结果表明闭环系统所有信号半全局最终有界,并且可以通过调整控制参数使得稳定状态跟踪误差任意小。对所提控制设计方法的有效性进行了仿真验证。2.分别对增益均为常数1与增益未知的不确定严反馈非线性系统提出了单一神经网络自适应控制设计方法。在控制设计中,首先设计出系统的虚拟控制律与期望控制律,然后使用一个神经网络在线逼近期望控制律中的未知函数,实现系统的实际控制律。进一步地,对一类不确定非仿射纯反馈非线性系统设计了单一神经网络自适应控制器。在控制设计中,首先将子系统转化为具有类仿射的形式,然后给出虚拟控制律或期望控制律,最后通过使用一个神经网络在线逼近期望控制律中的未知函数将系统的实际控制律实现。根据所提方法设计的控制器结构简单,仅包含一个实际控制律与一个自适应律,且可以直接给出。与现有控制器设计方法相比,所有的虚拟控制律只是在理论推导过程中形式地给出,不需要实际实现,因此显著降低了控制器的复杂性。基于Lyapunov稳定性、输入状态实际稳定性以及小增益定理等的稳定性分析结果表明：闭环系统所有信号半全局最终有界,并且可以通过调整控制参数使得稳定状态跟踪误差仟意小。以数值例子与实际工程系统为仿真对象,对所提控制设计方法的有效性进行了验证。3.针对存在未知死区及扰动等情况,对增益均为常数1与增益未知的不确定严反馈非线性系统分别提出了单一神经网络鲁棒自适应控制设计方法。在控制设计的中间步骤,首先对子系统中的扰动部分进行补偿,然后形式地给出虚拟鲁棒控制律。在控制设计的最后一步,首先对子系统中的扰动部分与未知死区进行补偿,给出系统的期望鲁棒控制律,然后使用一个神经网络在线逼近期望控制律中的未知函数,实现系统的实际控制律。进一步地,对一类不确定非仿射纯反馈非线性系统设计了单一神经网络鲁棒自适应控制器。在控制设计的中间步骤,首先对子系统中的扰动部分进行补偿,然后将子系统的形式转化并形式地给出虚拟鲁棒控制律。在控制设计的最后一步,首先对子系统中的扰动部分与未知死区进行补偿,然后将子系统的形式转化并给出系统的期望棒控制律,最后通过使用个神经网络逼近期望控制律中的未知函数将系统的实际控制律实现。基于Lyapunov稳定性理论的稳定性分析结果表明：闭环系统所有信号半全局最终有界,并具可以通过调整控制参数使得稳定状态跟踪误差仟意小。以数值例子与实际系统为对象,对所提控制设计方法的有效性进行了仿真验证。