本文对具有输入时滞的非线性系统进行了自适应神经网络控制。根据自适应神经网络控制方法、Backstepping设计思路和Lyapunov稳定性理论,在系统具有状态时滞和输入时滞的条件下,设计状态反馈控制器。并考虑了具有输入时滞条件下系统的输出反馈控制方案。主要针对非严格反馈非线性输入时滞系统考虑了控制设计以及闭环稳定性分析问题。利用积分变换和辅助系统方法,给出了两种控制设计方案。具体研究内容如下:1.第一章介绍了非线性系统的研究背景、研究现状和本文的研究内容。第二章介绍了与非线性系统有关的基础知识、神经网络系统在逼近非线性函数时的应用、Backstepping方法的原理,以及Lyapunov稳定性理论。2.第三章研究了一类具有状态时滞与输入时滞的非严格反馈非线性系统。利用神经网络的性质,解决了非严格反馈形式在运用Backstepping方法进行控制设计时带来的困难,并通过积分变换和自适应神经网络相结合,给出了基于Backstepping方法的控制方案。所设计的控制器确保闭环系统内所有信号保持有界,同时跟踪误差收敛于原点的邻域内。3.第四章对同时具有状态时滞与输入时滞的非严格反馈非线性系统进行了研究。通过引入辅助系统的方法以解决输入时滞带来的影响,积分型Lyapunov函数处理状态时滞的干扰。借助神经网络函数逼近所有的未知非线性函数,结合Backstepping方法与自适应控制方法,设计出了自适应神经网络控制器。4.第五章对一类具有输入时滞的非线性非严格反馈系统,通过输出反馈进行自适应神经网络控制。首先构建状态观测器以估计不可测量的状态变量,采用观测器得出的估计值进行控制器设计。凸组合方法用来将不确定非线性矩阵不等式转化为一组线性矩阵不等式,以方便求出观测增益矩阵。通过积分变换处理输入时滞,然后应用自适应神经网络控制技术和Backstepping方法,给出了基于观测器的输出反馈控制方案。5.第六章研究了输入时滞系统的输出反馈控制问题。设计状态观测器进行状态估计,同时利用辅助系统方法,给出了基于观测器的输出反馈自适应神经网络控制方案。并证明了设计的控制器保证了所有闭环信号的有界性,并且跟踪误差收敛到原点的小邻域内。6.第七章是总结与展望,对具有输入时滞的非线性非严格反馈系统的神经网络控制方法进行总结,并指出本文研究内容的局限性和有待解决的问题。