基于神经网络的鲁棒自适应控制研究和分布式三维飞行仿真平台的构建是本论文研究的两个主要内容，与传统微分几何方法不同的是，基于神经网络的鲁棒自适应控制侧重于智能控制方法在以鲁棒性为性能指标的非线性系统中的理论和应用研究，论文以一类弱非线性系统的鲁棒可靠镇定问题为引线，逐步深入地分析和探讨了在保证整个被控系统鲁棒性能指标的前提下，对于几类具有不确定性和外部扰动的强非线性系统跟踪控制器的设计问题；分布式三维飞行仿真平台主要用于先进飞行控制律的实时程序验证和效能评估之用，因此关于平台的一些开发原理和技术方法也在文中给出了介绍。 本文在基于线性微分包含(LDI)的技术基础上，提出了两种非线性系统的鲁棒控制方法，首先讨论了一类弱非线性时滞控制系统中的鲁棒可靠控制器设计问题，由于弱非线性系统本身的动态变化范围不大，在确保整个系统鲁棒性能指标的前提下，当系统存在时滞和故障时，通过LDI设计出的鲁棒可靠控制器可以镇定整个被控系统；其次，在考虑运用LDI技术产生的逼近误差、系统本身的未建模误差及参数不确定性以及外部扰动的影响不能被忽略的情况下，设计了在线补偿这部分影响的动态神经网络控制器，在理想模型和被控系统状念输出误差的调节作用下，在线神经网络补偿器与理想模型的线性H_∞控制器相互配合，使得整个闭环系统既可以保证鲁棒稳定性又能够跟踪给定的指令信号。 本文对于一类含有外部扰动的多输入多输出(MIMO)强非线性系统，提出了两种新的鲁棒自适应跟踪控制方法，第一种利用了Taylor近似的原理，在考虑了外部扰动的情况下，将MIMO强非线性系统在理想平衡点处线性化，分别设计了两个在线神经网络控制器，在线性和非线性系统之间的状态误差驱动下动态补偿系统的Taylor近似高阶项及理想平衡点处的控制信号，满足极点配置方法的线性反馈控制器和两个在线神经网络联合作用于实际的被控MIMO强非线性系统，在保证整个系统鲁棒稳定性的情况下，能够跟踪给定的指令信号；另一种方法是针对这类系统设计了3个在线神经网络，分别实时抵消这类非线性系统中的非线性部分、与控制量耦合的非线性项以及外部扰动，使得受控系统的输出可以完全跟踪给定输入参考信号。两种设计方法的仿真验证都是以一个6自由度的12阶非线性飞机模型为对象，从跟踪控制的仿真结果可以看出，由于两类系统中都含有专门动态补偿外部扰动的在线神经网络，使得这种自适应控制方法具有一定的鲁棒性能。 本文对于验证先进飞行控制理论的分布式三维飞行仿真平台主要开发技术进行了原理和方法上的介绍，文中在基于Windows 2000／XP操作系统下，综合运用了控制系统实时仿真算法、面向对象的软件OOP开发技术、基于TCP／IP协议的网络通讯技术及三维虚拟现实OpenGl的API开发技术，在VC++应用程序框架的范围内，开发了具有友好交互式三维界面的分布式仿真平台，该平台除了用于先进飞行控制理论的实南京航空航天大学博士学位论文时程序验证之外，也可以用于航空院校的飞行控制系统教学实践和飞行训练的课程，由于开发这一平台并不需要大量的资金投入，因此具有非常广泛的应用前景。