在对实际系统建模的过程中,常存在多种不确定性,比如模型误差,测量误差等,通常将其称为未建模动态.它的存在严重影响着系统的动态性能,甚至会破坏系统稳定性.消除或抑制未建模动态的影响是保证闭环系统稳定性的重要前提.另一方面,为了实现对系统的有效控制,往往需要对系统的输入或输出进行约束.一旦系统在运行过程中违背这一约束条件,那么系统的稳定性很有可能遭到破坏.目前对于无约束条件系统的研究已趋于完善,但是这些方法与手段很难应用到有约束的系统中去.因此研究同时含有未建模动态和约束的系统的稳定性将变得十分有意义.本文针对几类含有未建模动态和时变输出约束以及非线性输入的系统,分别基于非对称障碍李雅普诺夫函数(ABLF)、非线性映射(NM),提出了三种自适应控制方案.论文主要内容如下:第一,针对一类具有时变输出约束和未建模动态以及输入饱和的非线性系统,提出了一种自适应动态面输出反馈控制方案.利用径向基函数神经网络(RBFNNs)对未知非线性连续函数进行逼近;利用K滤波器对系统进行重构和构造状态观测器估计系统中不可量测的状态;通过构造动态信号处理未建模动态;基于ABLF设计控制器并保证ABLF有界,从而达到时变输出约束的目的.通过理论分析证明了闭环系统中所有信号是半全局一致最终有界的,同时输出满足时变输出约束的条件.最后,分别利用一个数值实例和应用实例对所提控制方案的有效性进行验证.第二,针对一类具有时变输出约束和未建模动态以及死区输入的严格反馈非线性系统,提出了一种自适应神经网络控制方案.基于状态未建模动态是指数输入状态实用稳定的假设,通过构造动态信号处理未建模动态;基于ABLF设计控制器,从而实现输出约束的目的.通过理论分析证明了闭环系统中所有信号是半全局一致最终有界的,同时输出满足时变输出约束的条件.最后,分别利用一个数值实例和应用实例对所提控制方案的有效性进行验证.第三,针对一类具有输入及状态未建模动态和非线性输入的耦合大系统,提出了一种分散自适应神经网络控制方案.利用RBFNNs逼近未知非线性函数;引入动态信号和正则信号处理输入和状态未建模动态;构造NM,将含有时变输出约束的严格反馈非线性系统化为无约束的严格反馈系统.通过理论分析证明了闭环系统中所有信号是半全局一致最终有界的,同时输出满足时变输出约束的条件.最后,分别利用一个数值实例和应用实例对所提控制方案的有效性进行验证.