众所周知,控制系统总是会不可避免的受到外部干扰的影响,而这将会影响系统的稳定性和控制精度,因此考虑系统在受到外部干扰时的稳定性尤其重要。故本文结合了backstepping技术,Lyapunov稳定性理论、神经网络控制理论和H_∞控制理论研究了几类纯反馈非线性系统的H_∞控制问题。本文的主要内容分为以下三部分:1.针对一类带有外部扰动和量化输入的随机纯反馈非线性系统,提出了基于backstepping的自适应神经有界H_∞量化控制方法。设计过程中首先采用中值定理将非仿射函数转化为仿射形式,用RBF神经网络逼近打包的未知非线性函数,并且使用Gronwall不等式处理稳定性分析中的常数项,从而设计了该系统的H_∞控制器。所设计的控制器能够保证系统中所有信号有界,且系统对外部干扰具有H_∞性能,一个仿真实例证明了所提方案的有效性。2.针对一类带有任意切换信号、量化输入以及外部扰动的纯反馈非线性随机切换大系统,借助有界H_∞的概念,公共Lyapunov函数方法和Gronwall不等式,提出了系统的分散自适应有界H_∞量化控制方案。所设计的控制器能够保证闭环系统中所有信号在任意切换的条件下是半全局一致最终有界的,且系统对外部干扰具有H_∞性能。仿真实验证明了所提控制方案的可行性。3.研究一类纯反馈非线性互联大系统的结构在线扩展问题,即考虑在线加入一个新的纯反馈非线性子系统使原结构系统扩展。基于backstepping技术提出一种大系统在线结构扩展的鲁棒H_∞自适应神经分散关联镇定控制方法。在原结构系统控制器保持不变的前提下,利用神经网络自适应技术设计新加入子系统的分散控制律和自适应律,将新加入子系统后原结构系统产生的互联部分放在新子系统的控制器里来处理,并结合H_∞控制理论获得新扩展子系统的鲁棒H_∞自适应分散关联镇定控制器。该控制器可以保证新加入的子系统及整个扩展后的闭环大系统中所有信号是一致最终关联有界的,且系统对外部干扰具有H_∞性能。仿真结果验证了所提控制方法的有效性。