对复合输入动态递归网络作了改进,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).这种具有新的拓扑结构和学习规则的动态递归网络,不仅明确了各权值矩阵的含义,而且使权值的训练过程更为简洁,意义更为明确.网络增加了输入输出层前一步的状态信息,使其收敛速度和泛化能力与其他常用网络结构相比,均有明显提高,增强了系统实时控制的可能性.本文将该网络用于机器人定位监督控制系统中,通过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,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.