在现代工业生产过程中,为了高品质大批量的生产,构造系统通常具有非线性、时变性、不可预知的参数和其他复杂特性,而只用线性系统的方法往往不能全面描述系统的动态特性。基于神经网络的感应技术,凭借其固有的逼近能力,被认为是解决复杂动态系统建模与控制的有效方法。时滞现象也是普遍存在于实际的工业生产过程中,这使得系统的控制问题变得具有挑战性。博士阶段所做研究的目的是通过神经网络为蓝本处理时滞系统在控制领域中存在的相关问题,特别是为针对时滞细胞神经网络的稳定性、同步和非线性系统辨识和控制进行研究,提供有效的解决方案。简要介绍主要研究成果如下所述。论文首先研究了带有时滞的细胞神经网络的稳定性问题,根据Lyapunov稳定性理论给出全局渐近稳定和指数稳定的稳定性新判据。稳定性判据分为时滞相关和时滞无关两种,在时滞比较小的情况下,时滞相关的稳定性判据通常更有意义。稳定性判据以LMI的形式给出,可通过软件实现。其次,针对带有混沌现象的时滞细胞神经网络,研究了混沌同步控制问题。在伴有外界扰动的情况下,设计了基于滑模控制方法的自适应混沌同步控制器;针对带有脉冲的一致混沌神经网络,设计脉冲同步控制器。论文研究了多输入多输出非线性系统的神经网络辨识与控制。针对一般性的非线性时滞系统,基于Lyapunov稳定性理论,应用滑模控制的相关思想设计间接自适应控制。利用神经网络对非线性系统进行辨识,神经网络的权值系数通过自适应算法调整,利用辨识出的模型,设计相应的控制器使系统状态能够跟踪上预先设定的轨迹。进一步应用动态补偿的方法设计神经网络间接自适应控制器,利用神经网络对非线性系统进行辨识,根据辨识出的模型设计控制器,在设计控制器时加入适当的动态补偿,使系统状态能够跟踪上预先设定好的轨迹。论文针对具有三角结构的单输入单输出非线性时滞系统,首先基于返步迭代策略,设计了神经网络直接自适应控制器,并通过Lyapunov稳定性理论证明了系统的输出和期望轨迹的误差闭环系统一致有界稳定。进一步通过基于返步迭代策略,设计了神经网络间接自适应控制器,针对系统进行神经网络辨识,并在辨识模型的基础上,加入动态补偿的方法设计控制策略,通过Lyapunov稳定性理论证明了系统的输出和期望轨迹的误差闭环系统一致有界稳定。最后,论文研究了一类典型非线性时滞系统,即焊管焊接过程的温度控制系统。首先对焊管焊接过程进行研究,建立了稳态的数学模型,分析了焊接过程温度的变化规律。从变化规律可以看出,无法精确建立焊接过程关于温度的动态数学模型。理论分析表明温度控制过程是一个受到电流和电压等因素影响的,具有三角结构特性的非线性时滞系统。论文建立了焊接过程关于温度的状态空间表达形式,采用所提出的神经网络返步迭代间接自适应方法进行控制。搭建了焊管焊接温度控制实验平台,通过OPC技术实现了Matlab和组态王的通讯联系,最终在焊管焊接温度控制系统中验证了控制方法的有效性。