正如大家所熟知的,在实际系统中,外部干扰和时滞广泛存在,对系统的稳定性和系统的一些性能有一定的影响.在对系统设计控制器的时候,首先要使得这个系统具有稳定性,然后再研究所给系统的其它性能.本文主要基于径向基(RBF)神经网络控制,针对一类不确定非线性时滞系统,给出自适应控制器设计.本篇论文主要在以下几个方面进行讨论:　　1.第一章介绍了反馈控制和人工神经网络的一些基础知识,并重点介绍了径向基(RBF)神经网络.最后通过一个具体实例说明了径向基(RBF)神经网络的应用.　　2.第二章研究了一类具有块三角型结构的带干扰的非线性多输入多输出时变时滞系统,给出了一种自适应神经网络控制器的设计方法.在神经网络逼近模型的基础上,构造一种二次型Lyapunov-Krasovskii泛函,从而可以获得一种自适应神经网络控制器，所得到的控制器充分的避免了控制器的奇点问题.当输出信号达到期望轨迹区域时,所提出的控制器能保证所有闭环轨迹有界.仿真结果表明了所提方法的有效性.　　3.第三章主要针对一类具有外部干扰和输出时滞的1阶非线性系统,主要结合了反推、自适应控制和神经网络.径向基神经网络在设计的过程中被用来逼近未知名的连续函数.最后给出对应系统的一个定理,并进一步给出证明.　　4.第四章主要针对一类具有外部干扰和输出时滞的n阶非线性系统,给出一种自适应神经网络控制器设计过程.主要基于反推、自适应控制和神经网络.径向基神经网络在设计的过程中被用来逼近未知名的连续函数.最后的仿真结果验证了这种方法的有效性.