在实际工程中,由于系统内部运作机理、信号的传输以及外界环境的干扰等因素,系统往往会出现同时存在非线性、时滞与不确定性的情况。这些特性的存在会导致系统性能退化,具体反映在使得控制系统的超调增大,调节时间变长,系统的过渡过程变坏,严重时甚至会造成系统的失稳。此外,对于控制系统的要求,工程师们不仅关注系统的稳定性,而且要求针对所设定的性能指标,保证解的最优性。尽管对非线性时滞系统以及非线性不确定系统的优化控制研究已经取得了丰硕的研究成果,但是其大都缺乏对非线性、时滞以及不确定性统一综合地考虑,因而仍存在很多问题,值得进一步研究与探索。综上所述,如何针对带有时滞以及不确定的非线性系统设计优化控制器具有重要的理论意义和实际应用价值。近些年,多维泰勒网（Multi-dimensional Taylor network,MTN）以其结构精简且拟合精度高的特点已被广泛地运用于模型预测、系统辨识以及非线性控制领域。本文将利用MTN所具有的优良特性,对非线性时滞不确定连续与离散系统的优化控制问题分别进行了深入地研究,提出了基于MTN的模型预测控制（Model Predictive Control,MPC）与自适应动态规划（Adaptive Dynamic Programming,ADP）算法,并证明了闭环系统的稳定性。论文的主要研究工作概括如下:1.针对非线性时滞不确定连续系统的优化控制问题,提出了基于MTN的管道MPC算法,并保证了系统增量指数稳定性。所提出的方案由MPC算法和控制收缩度量算法两部分组成,其中作为名义控制器的MPC算法用于生成系统的参考轨迹并保证名义系统的渐近稳定性,而控制收缩度量算法则作为局部的辅助反馈控制器,用于将系统实际轨迹收敛至以参考轨迹为中心的鲁棒不变的管道之内。特别地,通过构建全新泛函形式的内积表达式,将控制收缩度量算法的应用场景从非时滞系统扩展至时滞系统领域。为了进一步提高求解测地线的计算效率,MTN将被作为直接求解法中的基函数用于计算测地线问题。通过有效的训练算法,MTN可以有效且迅速地拟合测地线。从理论上证明了闭环系统的增量指数稳定性,并通过数值仿真验证了所提方法的有效性。2.针对非线性时滞不确定离散系统的优化控制问题,提出了基于递归MTN的MPC算法,并保证了系统的鲁棒稳定性。依据Jacobian线性化和Lyapunov-Krasovskii形式,构造了MPC的终端代价函数与终端区域,从而确保名义系统的渐近稳定性。与此同时,基于静态MTN基本架构,将递归MTN辨识的模型作为MPC算法的预测模型,从而精确预测了长周期下系统的动态特性。采用随时间的反向传播算法训练,递归MTN结构不仅可以获得高精度的预测值,而且可以极大地降低MPC优化的计算压力。此外,通过将MPC算法分别作为名义和辅助控制器,设计了管道MPC处理辨识误差带来的不确定性问题,保证了系统的鲁棒稳定性。从理论上,证明了在所提出控制方案作用下系统的稳定性,并通过数值仿真验证了方法的有效性。3.针对非线性时滞不确定连续系统的优化控制问题,提出了采用策略迭代的基于MTN的ADP算法,并保证了系统的鲁棒稳定性。通过综合考虑时滞与不确定项对系统的影响,设计了全新的代价函数,特别地,该函数可以同时处理满足匹配与非匹配两种不同情况的不确定性。基于此,鲁棒最优控制问题可被转化为针对相应名义系统的最优控制问题。此外,采用基于MTN拟合代价函数的策略迭代方式,数值迭代求解了Hamilton-Jocabian-Bellman方程。相较于神经网络,MTN的使用极大地提升了算法的运算效率以及相应的控制效果。同时,为了避免在训练MTN时出现参数漂移的现象,在梯度下降法的基础上设计了投影算法。此外,证明了策略迭代算法的收敛性以及闭环系统的稳定性,并通过数值仿真验证了方法的有效性。4.针对非线性时滞不确定离散系统的优化控制问题,提出了采用值迭代的基于MTN的ADP算法,并保证了系统的鲁棒稳定性。在综合考虑时滞和不确定性的基础上,构造了全新的代价函数,并基于此将鲁棒控制问题转化为相应标称系统的最优控制器设计问题。采用值迭代算法迭代求解Hamilton-Jocabian-Bellman方程,并最终得到鲁棒最优控制器。在迭代过程中,利用含有状态时滞的值函数作为初始值,使得迭代过程中每步所获得的控制律均可保证系统的渐近稳定性。此外,为了提高算法的计算效率,采用MTN拟合代价函数和最优控制策略,从而极大地提高了算法的迭代效率。最终,对于代价函数所具有的不同单调性,证明了值迭代算法的收敛性与闭环系统稳定性,并通过数值仿真验证了所提方法的有效性。