时滞的存在对系统的性能产生重要的影响,甚至破坏系统的稳定性,因此对时滞系统的研究有着很重要的现实意义.在发展Lyapunov第二方法的过程中,逐渐形成了对时滞系统的两种主要研究方法——Lyapunov-Krasovskii泛函法和Lyapunov-Razumikhin函数法.该文针对两类非线性时滞系统,采用Lyapunov-Krasovskii泛函法,分别提出了三类无记忆自适应跟踪控制方案.第一,针对带有输出时滞的参数化严格反馈非线性系统和参数化输出反馈非线性时滞系统,采用时滞滤波器估计系统状态,利用Backstepping技术和占优化方法,提出两种无记忆自适应跟踪控制器的设计方案.两种设计方案都实现了对给定目标轨线的全局渐近跟踪,保证了闭环系统所有信号全局一致有界.第二,针对两类未知非线性时滞系统,提出了两种鲁棒无记忆自适应神经网络跟踪控制方案.神经网络用于逼近未知的非线性时滞函数,当状态不可测时,采用时滞滤波器估计系统状态,利用Backstepping技术设计权值自适应律和控制律,占优化方法处理时滞基函数,自适应界化技术处理逼近误差的未知上界,通过调节设计参数可以实现对目标轨线任意精度的跟踪.第三,针对两类参数化非线性时滞系统,基于第三章的结果,进一步提出了两种自适应迭代学习控制器的设计方法.在时域中估计系统的未知参数,所提出的自适应迭代学习控制器在给定的区间上实现了对目标轨线的全局一致精确跟踪,同时保证了闭环系统所有信号全局一致有界.与传统的迭代学习控制器相比,该文所提出的自适应迭代学习控制器放松了对非线性时滞函数的限制.该文同时对自适应迭代学习控制中的几个重要问题——收敛速度问题、初值问题和非一致目标轨线跟踪问题进行了讨论.对文中提出的每种算法,该文都给出了仿真实例,以验证算法的可行性.