提出一种基于小生境自适应差分进化小波神经网络（NADE-WNN）的方法对不确定混沌系统进行控制。该方法利用小波神经网络学习未知模型混沌系统的动态特性并实施控制，为提高神经网络的学习精度和收敛速度，采用小生境自适应差分进化算法同时优化小波神经网络的结构和参数，简化网络结构，提高网络的学习精度和全局收敛性。仿真实验结果表明，在有外部干扰和参数摄动的情况下，NADE-WNN仍能对不确定混沌系统进行有效控制，且网络结构、控制精度和收敛速度都优于传统神经网络。