绝大部分现有的轨迹跟踪控制研究成果都基于已知的理想目标轨迹,然而在许多重要应用领域(如导弹拦截,卫星追踪,电力系统用电量调度及匹配等)中理想轨迹未必可以事先准确得到,其均涉及对未知或不确定理想(目标)轨迹的全程跟踪控制。因此研究未知或不确定理想轨迹跟踪控制问题具有重要的理论和实际意义。本课题拟研究的核心内容是,如何建立不依赖精确目标轨迹的自适应跟踪控制理论及方法。基本研究思路是:第一,研究一类不确定受扰非仿射非线性系统的不定理想轨迹跟踪控制问题。采用基于拓展卡尔曼滤波、神经网络、记忆推理等多信息融合方法重构不定理想轨迹,解决目标轨迹无法直接用于反馈设计难题;通过中值定理的使用将非仿射系统变换为仿射系统方程;针对控制增益为方阵和非方阵两种情况,分别进行特征值分析,利用提取核心函数的方法处理非线性问题;再基于这些条件设计鲁棒自适应控制器,实现对不定理想轨迹的紧密跟踪,同时保证系统稳定性。最后,通过设计数值仿真实验验证所提控制策略的有效性。第二,研究一类带执行器故障的不确定受扰非线性系统的不定理想轨迹跟踪控制问题。首先,利用基于拓展卡尔曼滤波、曲线拟合等技术的权值相加的函数模型对不定理想轨迹进行重构/估计,以便后续控制器设计;其次,创新性地引入“虚拟矩阵”来处理未知的控制增益和执行器“健康因子”,再运用提取核心函数方法处理系统非线性不确定量;最后,基于上述条件设计的容错控制器可以实现系统对不定理想目标的良好跟踪,确保该类系统的稳定性及所有闭环信号的光滑有界性;仿真实验验证了所提出的控制算法的有效性。第三,研究一类带执行器饱和特性的不确定受扰非线性系统的不定理想轨迹跟踪控制问题。首先,利用多信息融合方法对不定理想轨迹进行重构/估计;其次,为了处理执行器不光滑的饱和难点,引入一种光滑函数近似代替饱和模型;再利用RBF神经网络逼近系统本身的不确定项和解决饱和模型过程中的非线性项,并利用矩阵分解方法处理系统的控制增益;最后基于上述条件设计合理的神经自适应控制器,以保证系统能克服执行器饱和的影响实现对不定目标轨迹的良好跟踪,并确保系统状态稳定和所有闭环信号有界。最后,通过数值仿真验证本章提出的控制方法的有效性。