双权值神经网络是近年来由中国科学院半导体研究所王守觉院士提出的一种新型的神经网络，该神经网络有很强的通用性，通过对参数的不同设置法，BP网络和RBF神经网络就是它的特例。自王院士提出该神经网络以来，有较多文献对其在函数逼近、系统辨识、模式识别等领域的应用进行了研究，并且取得了不错的成绩，各方面都证明了双权值神经网络的理想性能。 本论文介绍了双权值神经网络的一些相关理论一双权值张量积神经网络的逼近性：并对将双权值神经网络用于控制系统领域进行了探讨，旨在将双权值神经网络的应用作进一步的推广。文中将双权值神经网络和BP网络分别进行实验，同时用神经网络对被控系统中的系统进行辨识和控制，使得被控对象的输出尽量与期望的输出一致，并比较了两种神经网络控制器的控制性能。结果表明，与BP网络相比，双权值神经网络能对系统进行更好的控制。 全文主要内容包括： 1．介绍神经网络的发展史及神经网络控制技术基础，并引入一种新型的神经网络—双权值神经网络，最后介绍本文的研究依据及其意义。