基于自适应动态规划算法研究了具有未知不匹配互联和非对称输入约束的连续时间非线性系统分散控制问题.首先，根据孤立子系统的局部状态和耦合子系统的参考状态，采用径向基函数神经网络近似未知互连项，从而消除了互联项满足匹配条件且存在上界的常见假设.然后，基于自适应评判框架，将分散最优控制器设计问题转化为一系列子系统非对称约束下局部最优控制器设计问题.利用Lyapunov稳定性定理，证明了不对称输入约束控制器能够迅速地镇定大规模分散系统.其中，引入状态观测器估计大规模非线性互联子系统状态并保证了观测误差满足一致最终有界.另外，利用评判神经网络近似改进后的代价函数，以近似求解Hamilton–Jacobi–Bellman方程，获得满足非对称输入约束的最优分散控制策略.基于评判网络权值更新规则，通过选择合适的Lyapunov函数保证了权值近似误差满足一致最终有界.最后，通过仿真实例验证了该算法的有效性，并通过与未改进代价函数的传统方法对比，体现了该方法的先进性.