非线性不确定系统是在实际生产中经常遇到的控制系统,解决此类系统的控制问题具有很高的现实需求和理论意义。滑模变结构控制以其良好的鲁棒性,在解决控制问题中表现出强大的生命力。但是,在实际工程中,滑模控制往往会伴随着切换增益过大、抖振等一系列问题。为了更好地解决这些问题,达到更好的跟踪控制的效果,本文针对非线性不确定系统的跟踪控制问题进行研究,将滑模控制与自适应反演控制方法、RBF神经网络控制方法等方法相结合设计跟踪控制器,并且将算法应用在巷道分体式运输车等实际工程非线性系统的跟踪控制中,仿真结果验证了算法的有效性。本文的研究内容有以下几个方面:首先,综述了非线性不确定系统的研究现状,分析了滑模控制理论的概念、设计思路、存在的抖振问题以及解决问题的方法,介绍了反演控制方法和RBF神经网络控制方法,为下文研究打下基础。其次,分析了终端滑模控制和非奇异终端滑模控制的优缺点,在此基础上提出一种基于幂次趋近律的新的滑模控制方法,既解决了终端滑模存在的奇异问题又提高了系统状态收敛的速度。再次,针对不确定非线性系统,将自适应反演控制方法与滑模控制相结合,设计的控制器,有效降低了抖振,并实现了良好的跟踪效果;将反演思想与非奇异终端滑模函数结合设计巷道分体式运输车的跟踪控制器,并以圆形轨迹为参考轨迹进行了仿真,仿真效果显示了所设计控制器的有效性。最后,针对具有参数不确定和干扰未知的非线性系统,应用RBF神经网络强大的逼近学习能力,对未知函数进行逼近,设计了RBF神经网络滑模控制器,能够很快跟踪上期望轨迹;利用机械臂动力学模型,将反演法与RBF神经网络方法结合设计控制器,保证了系统稳定,仿真效果良好,说明设计的方法具有很强的实际意义。这些研究成果丰富了非线性不确定系统的控制理论的研究,并且为实际工程的应用提供了理论保证。