提出一类不依赖于模型的状态观测器, 通过分析其根轨迹和极点要求配置合适的参数, 该观测器本身是一
个能提取高阶微分的高阶微分器. 基于L yapunov 稳定性理论设计了使闭环系统渐近稳定, 对模型变化和扰动具有
鲁棒性的神经网络自适应控制器. 该控制器不仅考虑了闭环系统的输出和设定输入误差的微分, 而且考虑了误差的
高阶微分, 从而提高了控制品质. 最后通过仿真例子验证了所提出理论的正确性.