非线性系统的 Backstepping 设计是一种构造性控制方法,通常与 Lyapunov 型自适应律结合使用,使整个闭环系统满足期望的动静态性能.特别在设计不确定系统的鲁棒或自适应控制器方面,尤其当干扰或不确定性不满足匹配条件时,Back-stepping 方法具有明显的优势,而神经网络(简称 NN)的万能逼近特性使其在解决高度非线性和严重不确定性方面具有巨大的潜力.将两者相互结合设计自适应神经控制器是目前一个十分活跃的研究领域,而对于离散时间非线性系统的自适应控制研究更是一个极富挑战性的课题. 本文研究未知离散非线性系统的自适应 Backstepping 控制问题.首先介绍自适应控制理论发展的背景和离散非线性自适应控制系统的研究现状,离散时间系统Backstepping 设计方法的基本原理和构成方法,以及参数估计算法和一些重要的稳定性结果;研究一类基于 Backstepping 设计的未知离散非线性严格反馈系统的自适应NN控制问题,利用小波神经网络 (简称WNN)逼近非线性函数解决系统的函数不确定性问题,给出一种避免过参数化的鲁棒自适应 Backstepping 控制器,证明了闭环系统的稳定性和跟踪特性;并通过引入高阶神经网络(简称HONNs)模型,对一类未知离散非线性系统提出一种沿离散时间域方向的自适应迭代学习控制 (简称ILC)设计方法,获得了对目标轨线的ε ?跟踪特性,仿真例子说明了算法的有效性及特色;最后研究了多变量离散非线性系统的自适应 Backstepping 控制器设计,针对包含两个三阶子系统的多输入多输出(MIMO)系统利用关键性引理和投影算法的性质分析了闭环系统的稳定性,说明了MIMO离散非线性系统自适应Backstepp-ing 控制设计中存在的问题.