针对一类不确定非线性系统的跟踪控制问题, 在考虑建模误差、参数不确定和外部干扰情况下, 以其拥有良好的跟踪性能以及强鲁棒性为目标, 提出基于回归扰动模糊神经网络干扰观测器(recurrent perturbation fuzzy neural networks disturbance observer, RPFNNDO)的鲁棒自适应二阶动态terminal滑模控制策略. 将回归网络、模糊神经网络和sine-cosine扰动函数各自优势相结合, 给出一种回归扰动模糊神经网络结构, 提出RPFNNDO设计方法, 保证干扰估计准确性; 构造基于带有指数函数滑模面的二阶快速terminal滑模面, 给出其控制器设计过程, 避免了滑模到达阶段、传统滑模的抖振问题, 采用具有指数收敛的鲁棒项抑制干扰估计误差对系统跟踪性能的影响, 利用Lyapunov理论证明闭环系统的稳定性; 将该方法应用于混沌陀螺系统同步控制仿真实验, 结果表明所提方法的有效性.