非线性离散系统的智能控制算法是目前非线性控制理论研究工作的热点,本文针对不同形式的非线性离散系统,提出了几种基于神经网络的自适应控制方法,设计合理的控制器及自适应律,并在李雅普诺夫意义下实现对系统的控制目的。本论文主要从以下三个方面进行了研究:(1)针对一类带有不确定性的多输入多输出非严格非线性离散系统,本文提出了一种基于神经网络逼近的自适应控制算法。该系统非常复杂,导致了其控制器设计和稳定性分析较以往更困难。在此,通过构造一个新的递归过程以实现系统的稳定性,运用半递归神经网络,解决非严格反馈离散系统结构中的无关联性问题。基于在李雅普诺夫稳定意义下,证明了闭环系统的所有信号都是半全局最终一致有界的,并通过仿真实例验证了所提出的控制器的可行性。(2)针对一类带有非对称未知时滞的不确定非线性离散系统,本文研究了自适应跟踪控制问题。首先,基于李普希兹条件,未知函数项的范数有界性和均值定理,解决非线性离散系统中的时滞项问题;其次,基于模型转换方法,将非严格反馈系统转化成一种特殊形式,克服了离散系统中的无关联性问题;最后,利用径向基函数神经网络逼近系统的未知函数项,并根据转换后的系统模型设计了合理控制器和适当的自适应律。通过利用李雅普诺夫稳定性分析原理,证明闭环系统的所有信号半全局一致最终有界,且跟踪误差收敛于一个较小紧集。运用仿真实例说明该算法的有效性。(3)针对一类带有非对称死区的离散形式的连续搅拌反应釜(CSTR)系统,本文提出了自适应预测控制算法。该算法设计参数较已有算法有所减少,进而使得计算量小于已有研究成果。在算法设计过程中,利用径向基函数神经网络性,对系统中未知函数项进行逼近,并利用中值定理对隐函数进行解析,进而得到合理控制器与适当的自适应律。最后,构造适当的李雅普诺夫函数,选取恰当的设计参数,以保证闭环系统中的所有信号在李雅普诺夫意义下半全局一致最终有界,且跟踪误差收敛于一个较小紧集。CSTR系统的仿真实例证明了该方法的有效性。