在机械系统、电子电路、机器人等工程领域中,存在着许多关键的结构化子系统,这些子系统主要由具有不确定性或非线性的核心组件组成。研究这类复杂不确定动态系统的鲁棒控制问题,保证系统在不确定性扰动下的性能,具有重要的实际意义。本文在现有关于复杂不确定动态系统的研究基础上,针对状态依赖不确定复杂系统的鲁棒控制、滤波,利用状态依赖非线性的新型振动传感器的设计与应用和移动机器人的鲁棒导航控制和人机跟踪控制问题进行了较为全面的研究。通过构造一个新的参数依赖的Lyapunov泛函解决了状态依赖不确定系统的鲁棒稳定性分析与综合问题。基于参数依赖的Lyapunov泛函,首先给出开环不确定系统的稳定性条件。然后利用状态依赖不确定参数的特性,进一步推导出松弛稳定性判据来降低鲁棒稳定性条件的保守性。为了充分利用参数依赖的Lyapunov泛函,提出了一种更灵活的模型依赖状态反馈镇定方法。并将所提出的鲁棒控制器设计方法应用于蔡氏振荡器电路的同步控制。通过引入广义滤波性能指标-扩展耗散性,提出了一种针对状态依赖不确定系统的鲁棒滤波器设计方法,在统一框架内解决了经典的∞、2-∞、无源性、耗散性等鲁棒滤波问题。通过调整性能指标中的加权矩阵,可以根据实际应用或不同噪声选择合适的滤波策略。提出的鲁棒滤波设计方法同时考虑了对状态依赖参数不确定性和一般时变参数不确定性的扰动抑制性能。利用所提出的鲁棒滤波器设计方法,解决了不确定干扰下隧道二极管电路系统中的电流估计问题。针对绝对振动位移的实时测量问题,给出了一种利用状态依赖非线性准零刚度仿生结构的新型振动传感器。利用该新型仿生振动传感器,可以有效地解决传统使用加速度计测量位移方法带来的误差积累和实时性问题。该振动传感器为运动平台的绝对振动位移的测量提供了一种全新有效、便捷的测量方式。通过充分利用仿生振动传感器在绝对振动位移实时测量上的优势,针对具有快速时变特性的微弱故障的实时检测问题,提出了一种基于模型的在线故障检测算法。实验结果表明,所提出的故障检测方法比其他检测方法如多分辨率小波方法更精确、更灵敏。采用类动物肢体具有状态依赖非线性的仿生结构构建了新型被动悬架系统,并将其应用到了履带式移动机器人上。通过安装新型仿生悬架,可显著提高履带式移动机器人的承载能力、稳定性及越障能力,可应用于各种崎岖地形环境。重要的是,通过采用双层非线性模型预测控制（Nonlinear Model Predictive Control,NMPC）策略的鲁棒导航控制方法可以有效地增强对未知滑移扰动的抑制,提高轨迹跟踪精度和响应速度。上层NMPC以一个较低的频率优化全局轨迹跟踪性能,下层NMPC以一个较高的频率补偿局部动态性能。实验结果表明,新型被动仿生悬架可以有效地吸收越障过程中产生的强烈冲击,保证机器人运动的平稳性。基于双层NMPC的鲁棒导航控制方法则可以显著地提高机器人的瞬态响应和轨迹跟踪精度,且计算负担较小。针对履带式移动机器人的人机跟踪问题,给出了一种具有人体运动干扰补偿的鲁棒人机跟踪控制方法,以实现平稳可靠的快速人机跟踪。人机跟踪控制可在非结构化环境中辅助运输货物或者执行其他人机协同任务。人体运动的干扰补偿是将RGB-D（Red,Green,Blue-Depth）相机测量得到的空间上人体深度骨架信息与人体运动估计算法结合起来实现的。并应用第2章中提出的状态依赖不确定系统理论分析了该鲁棒人机跟踪控制器的稳定性和收敛性。通过手势识别和激光雷达传感器分别实现了人机交互和跟踪过程中的防撞设计。由直线、曲线轨迹跟踪实例,验证了所提出的鲁棒控制方法在改善人机跟踪控制性能上的优越性和有效性。