Este trabajo investiga el problema de control de seguimiento de red neuronal adaptativa (NN) para sistemas no lineales estocásticos con múltiples restricciones de actuador y restricciones de estado completo. El problema de las restricciones de estado completo del sistema se aborda mediante una función de Lyapunov de barrera generalizada (GBLF), y las restricciones de salida del sistema se consideran en forma de funciones variables en el tiempo, lo cual está más acorde con las necesidades de los sistemas físicos reales. La técnica de aproximación de NN se utiliza para superar la influencia del término de incertidumbre en el diseño del controlador debido a la aleatoriedad. Basándose en la técnica de backstepping, se diseña una estrategia de control de seguimiento de tiempo fijo adaptativo neural. Bajo la estrategia de control diseñada, la precisión de seguimiento del sistema controlado puede alcanzar la expectativa en un tiempo fijo. Las restricciones de múltiples actuadores se convierten en un modelo matemático generalizado para simplificar el proceso de diseño del controlador. Utilizando las características de la función tangente hiperbólica, se diseña una nueva función llamada señal de control virtual práctico utilizando la señal de control virtual como entrada. Debido a la propiedad de restricción de saturación de la función tangente hiperbólica, se asegura teóricamente que ningún estado del sistema exceda las restricciones a través de la nueva forma del controlador virtual. Utilizando el controlador adaptativo construido en este trabajo, el sistema controlado se estabiliza en tiempo fijo semiglobal en probabilidad (SGFSP). Finalmente, la efectividad de la estrategia de control propuesta se verifica aún más mediante ejemplos de simulación.