小波神经网络是基于小波分析理论和神经网络理论建立起来的一种网络体系结构。小波变换具有良好的时频局部特性，而神经网络则具有自学习功能和良好的容错能力，小波神经网络由于较好的结合了两者的优点而具有强大的优势。本论文主要研究了非线性系统基于小波神经网络的控制器的设计问题，研究的主要内容可概括如下： 首先，针对一类未知非线性系统，设计了一种基于小波神经网络的模型参考自适应控制器，并提出了一种新的在线学习参数的混合训练算法。通过离线学习系统的特性，得到小波神经网络控制器的初始参数，然后使用混合训练算法在线修正控制律，实现自适应控制。仿真结果验证了控制方案的有效性，并通过与常规BP神经网络的对比，说明了小波神经网络作为控制器的优越性。 接着，对一类单输入单输出（SISO）仿射非线性系统，利用反馈线性化理论，设计了一种基于小波神经网络的自校正控制器。该方法用小波神经网络逼近系统的不确定性，网络的权值变化律通过构造Lyapunov函数并经过严格逐步推导得出，保证了所设计的控制器闭环系统的稳定性，并考虑了在系统状态未知时，通过设计高增益观测器以实现系统的输出自适应控制。通过对一类化工过程（CSTR）的仿真实例，说明了所设计控制器的有效性。 最后，考虑了一类多输入多输出（MIMO）非线性系统的自适应 控制问题，设计了基于小波神经网络的自适应控制器。由Lyapunov稳定性理论得出权值在线调整规律，并证明了闭环系统是一致最终有界（UUB）的。通过仿真，验证了所设计控制器的有效性。