在工业生产过程中，大多数控制过程均存在着不同程度的非线性，对于非线性比较严重的系统，传统的线性控制理论已经难以满足实际需要，在系统方案设计中必须考虑非线性因素的影响，对非线性系统进行控制时所遇到的主要困难是模型非线性项的处理，论文在有效处理非线性项的基础上，通过实施不同的控制策略，对复杂的非线性控制系统进行行之有效的控制，力求取得非线性控制的局部成果和进展。论文的主要研究成果如下：论文研究了时滞细胞神经网络的稳定性与混沌同步控制问题。通过构造合理的Lyapunov函数，利用线性矩阵不等式技术，分别对细胞神经网络进行了全局渐近稳定性、指数稳定性和鲁棒稳定性分析，给出了时滞相关的细胞神经网络稳定性新判据。针对具有混沌特性的时滞细胞神经网络，提出了指数同步控制算法，并用Lyapunov稳定性理论进行了证明。论文研究了具有三角结构的时滞非线性系统的控制问题。针对纯反馈和严格反馈的时滞非线性系统分别设计了Backstepping神经网络自适应控制器，系统的非线性部分采用便于大规模集成电路实现的细胞神经网络来逼近，通过构造Lyapunov函数，进行状态反馈自适应控制，根据Lyapunov理论，证明了闭环系统的跟踪误差是一致有界稳定的。论文研究了非线性动态多项式模型的控制问题。将非线性动态多项式模型用U模型的结构表示，该模型结构在线性控制系统的设计方法和非线性动态系统之间搭建了一座桥梁，从而可以方便的用线性控制系统设计方法对非线性控制系统进行控制。在对U模型进行适当调整的基础上，提出了基于U模型的广义预测控制算法，控制器的输出通过牛顿迭代法得到。该算法是准确的模型匹配控制，与其他基于线性化近似模型所对应的性能指标相比，基于U模型的广义预测控制的性能指标最小。最后通过仿真实例来验证算法的有效性和可行性。论文研究了非线性动态有理多项式模型的控制问题。在进一步改进U模型的基础上，从解析的角度对非线性动态有理模型进行极点配置控制器设计，将控制器的输出转换为求解当前控制律的多项式方程，明显的减少了非线性控制系统分析与计算所遇到的困难，基于U模型的极点配置控制为将其他线性控制器的设计方法应用于非线性系统奠定了基础。