针对提高机器人控制性能这一类问题,在复合输入动态递归网络的基础上,提出一种新的动态递归神经网络结构,称为状态延迟输入动态递归神经网络(State　Delay　Input　Dynamical　Recurrent　Neural　Networks).该动态网络具有新的拓扑结构及学习规则,各权值矩阵的含义更为明确,权值的训练过程更为简洁.网络增加了输入输出层前一步的状态信息,收敛速度及稳态精度与其它常用网络结构相比均有明显提高.将该网络用于机器人的监督控制系统,利用神经网络建立起被控对象的逆模型,与传统PD控制器结合,进一步确保了控制系统的稳定性,有效地提高系统的精度和自适应能力.仿真结果表明了这种改进的有效性和优越性.