众所周知，未建模动态广泛存在于实际系统中，若忽视其对系统性能的影响，在理想情况下得到的控制器的控制效果往往差强人意，甚至会造成系统的不稳定。因此在自适应控制器的设计过程中，非常有必要对未建模动态进行考虑和处理。通过引入一个动态信号来克服未建模动态，利用后推方法实现了一类参数未知、带有不确定非线性函式和未建模动态的非线性系统的自适应控制。

採用模糊系统或神经网路逼近系统未知函式，採用后推技术对带有未建模动态的非线性系统进行自适应控制.针对带有未建模动态和不确定非线性函式的随机非线性系统，提出改变供能函式的方法，将输入状态渐进稳定理论拓展到随机系统中。改变供能函式的方法运用到参数不确定、非线性关联项不确定和包含随机逆动态的随机互联繫统中。运用后推技术和随机小增益定理，对未建模动态中含随机干扰项的系统提出了一种自适应输出反馈控制方案。引入Nussbaum函式处理了一类控制增益符号未知的随机非线性系统的鲁棒自适应控制器的设计问题。

在控制器设计时均採用了后推技术，然而在后推设计过程中，每一步都需要对虚拟控制求导，导致控制器设计变得複杂.为了克服这种缺点，首次提出了动态面控制技术.基于该技术，研究了一类带有死区的非线性系统的自适应模糊输出反馈控制问题。针对带有未建模动态和控制增益符号未知的非线性输出反馈系统，利用神经网路和动态面控制技术提出了两种控制方案。

用K-filters和动态面控制技术，针对一类参数不确定的非线性输出反馈系统设计出一种自适应控制器。将动态面控制方法套用到解决随机非线性系统的控制器设计中。基于积分型Lyapunov函式和神经网路逼近未知函式等方法，处理了一类随机严格反馈非线性系统的跟蹤问题。针对一类带有未建模动态和动态不确定性的随机纯反馈非线性系统，提出了一种自适应动态面神经网路控制方案.。对带有未建模动态、状态不可测的随机非线性系统，利用Kfilters估计系统状态，提出了一种自适应动态面神经网路跟蹤控制算法.

针对一类具有未建模动态以及状态未知的随机非线性系统，基于K-filters和动态面控制技术，利用神经网路的逼近能力和Young's不等式.提出了一种自适应输出反馈动态面控制策略。消除利用后推方法存在的“複杂性膨胀”问题，使得控制器设计更加简单.藉助能量函式的理论证明了闭环系统中所有信号在机率意义下有界，并且输出依机率收敛到零点的一个小邻域内。

控制理论最基本的任务是，对给定的被控系统设计能满足所期望的性能指标的闭环控制系统，即寻找反馈控制率。输出反馈控制的意义在于以输出作为反馈量来构成反馈律，实现对系统的闭环控制，从而达到期望的系统性能指标。

自动控制理论中建立在频率回响法和根轨迹法基础上的一个分支，经典控制理论的研究对象是单输入、单输出的自动控制系统，在现代控制理论中，控制系统的基本结构和经典控制理论一样，仍然是由受控对象和反馈控制器两部分构成的闭环系统。不过在经典理论中习惯于採用输出反馈控制，而在现代控制理论中则更多地採用状态反馈控制。

确定系统的动态输出反馈控制器设计，输出反馈控制是线性系统控制的主要形式之一，当系统的状态不可测量时，输出反馈在一定条件下可实现对系统的控制。动态输出反馈则具有更好的性质和控制效果。

动态输出反馈控制是採用输出矢量Y构成线性反馈律。在经典控制理论中主要讨论这种反馈形式。以输出作为反馈量来构成反馈律，实现对系统的闭环控制，从而达到期望的系统性能指标。

ε₀=（A,B,C,D）

x=AX+Bu

y=Cx+Du

或

ε₀=(A,B,C)

x=Ax+Bu

y=Cx

U=Hy+v

式中H为r乘以m维输出反馈增益阵。对单输出系统，H为r乘以1维列矢量。

u=H(Cx+Du)+v=HCx+HDu+v

若D=0，则

x=(A+BHC)+Bv

y=Cx

由上式可见，通过选择输出反馈增益阵H也可以改变闭环系统的特徵值，从而改变系统的控制特性

状态反馈控制就是指系统的状态变数通过比例环节送到输入端去的反馈方式。输出反馈控制是採用输出矢量Y构成线性反馈律。

状态反馈控制的优点是，不改变系统的能控性，可以获得更好的系统性能。其缺点是，不能保证系统的能观性，状态x必须可测，成本高。

输出反馈控制的优点是：保持系统的能控性和能观性不变，结构简单，只用到外部可测信号。其缺点是，由于用到的信号少，它所达到的系统性能往往有限，有时甚至都不能达到闭环系统的稳定性。

(1)针对一类带有未建模动态的随机输出反馈非线性系统，利用神经网路的逼近能力和Young's不等式，提出了一种自适应神经网路动态面控制方案。将动态面控制技术推广到了随机系统中，避免了在传统后推设计中出现的“複杂性膨胀问题。利用K-filters估计系统未知状态，採用改变能量函式的方法处理未建模动态.理论计算证明了闭环系统的所有信号是依机率有界的，且输出依机率收敛到原点的一个小的邻域内.仿真实例进一步验证了所提控制方案的有效性。

(2)针对一类带有未建模动态和控制增益符号未知的随机非线性系统，基于随机小增益定理，提出了一种自适应输出反馈动态面控制方案。利用RBF神经网路逼近系统未知函式，K-滤波器估计不可量测的系统状态.通过合适的坐标变换，取消了系统函式的相关匹配条件。所考虑的未建模动态含有随机干扰项，用两个未知的非负光滑函式来约束未建模动态，放宽了其限制条件。理论计算证明了闭环系统的所有信号依机率有界，输出依机率收敛到原点的一个小的邻域内.数值仿真验证了所提控制方案的有效性。

(3)针对一类参数不确定且含有未知关联项的随机非线性关联繫统，提出了一种自适应输出反馈控制方案.该方案利用K-滤波器估计不可量测的系统状态，将动态面控制与输出反馈控制相结合，避免了传统后推设计过程中对虚拟控制律反覆求导出现的“複杂性膨胀”问题.与己有文献相比，降低了计算的複杂性，控制器的设计变得简单.设计的自适应动态面控制器可以确保闭环系统中的所有信号在机率意义下半全局一致终结有界，且跟蹤误差收敛到一个小的残差集内.仿真结果验证了所提控制方案的有效性.

还存在着许多不足之处和尚未解决的问题，有待进一步研究

(1)带有未建模动态的随机非线性输出反馈系统的调节问题，对该系统的跟蹤控制问题还有待进一步研究，

(2)基于后推或动态面控制方法研究随机非线性时滞系统的输出反馈控制问题.

(3)探索在预设性能指标下，带有未建模动态的随机非线性系统的输出反馈控制方法.

(4)基于动态面控制技术，研究具有未建模动态和时变时滞的随机非线性关联繫统的输出反馈控制问题.

(5)将研究结果套用到实际系统中是一个有待解决的问题.