自20世纪90年代以来，尤其是OGY方法发现以来，混沌控制的研究引起了学者与工程师们的浓厚兴趣。在混沌控制领域，人们主要做了两方面的工作，控制方法的理论研究和应用研究。比较成熟的混沌控制方法有：开环控制、线性非线性控制、智能控制、参数扰动控制、时延反馈、模糊控制等。神经网络有良好的非线性逼近性能，适合用来控制混沌系统。本文所作的主要工作是，利用神经网络的非线性逼近能力，结合参数扰动控制和非线性补偿控制方法，分别针对混沌系统实施控制。这些工作主要体现在：首先综述混沌控制的方法，理解控制混沌的本质，结合神经网络的特点，找到利用神经网络控制混沌的方法。总结利用神经网络结合参数扰动控制和非线性补偿控制的方法，并建立数学模型。其次研究利用反向传播算法网络、径向基函数网络和利用遗传算法训练网络进行函数逼近。在参数扰动控制模型中，利用这三种网络逼近扰动控制模型；在非线性补偿控制用这三种网络逼近系统非线性部分。并且分别针对离散和连续混沌系统分别进行控制。再次在数值仿真的基础上，分析三种算法的收敛性、抗干扰能力、泛化能力和局限性。最后提出一种支持向量机训练神经网络的混沌控制方法，并分别对离散混沌系统和连续混沌系统进行仿真。仿真结果表明，该方法控制混沌是有效的。收敛性和泛化能力分析表明，该方法具有一定的优越性。