针对一类控制增益函数及符号均未知的不确定非线性系统, 基于反推滑模设计方法, 提出一种鲁棒自适应 神经网络控制方案. 结合Nussbaum 增益设计技术和神经网络逼近能力, 取消了控制增益函数及符号已知的条件, 应 用积分型Lyapunov 函数避免了控制器奇异性问题, 并通过引入神经网络逼近误差和不确定干扰上界的自适应补偿 项消除了建模误差和不确定干扰的影响. 理论分析证明了闭环系统所有信号半全局一致终结有界, 仿真结果验证了 该方法的有效性.