智能控制和模式识别是受人类认识自然和改造自然的能力的启发而发展出的两个学科方向。而要构建一个像人一样能够对不同的工作情况进行模式识别和分类并以此为决策依据选择最佳的控制策略来完成复杂控制任务的系统却需要把模式识别和智能控制两方面思想结合起来。我们把这种控制理念成为基于模式的控制。对于动态系统来说，怎样有效地学习其内部动力学，怎样有效地将学到的知识进行应用，怎样对动态系统的运动模式进行定义都是关键问题。 尽管基于模式的控制思想早在二十世纪六七十年代就已被智能控制专家们所研究。但由于当时理论发展程度有限，尤其是非线性系统控制理论以及动态系统的辨识理论尚未发展成熟，长期以来，关于确定动态系统学习控制的结果要么过于简单而难以应用要么缺乏理论保证。 最近在非线性系统的自适应神经网络控制理论的基础上，通过研究径向基函数网络的局部学习能力和对部分持续激励条件的满足，确定动态系统的学习理论得以发展。按照这种理论，一类合理设计的自适应神经网络控制器能够在跟踪控制的同时实现对闭环动力学的学习，而学习到的知识被存储在神经网络中可用于相似的控制任务并保证稳定性、实现更好的控制性能。而在确定学习理论的基础上所实现的动态模式识别则是通过有效地利用确定学习理论对确定动态系统动力学的学习能力，在对动态模式进行精确定义的基础上提出的用于快速识别动态系统运动行为和本质属性的一种智能方法。 控制系统的确定学习和基于确定学习的快速动态模式识别为基于模式的控制提供了基本的结构。本文将对确定非线性动态(控制)系统的学习理论的现有发展做一介绍，而后将其推广到更一般的控制系统中，从而使确定学习理论及学习控制能够应用于更广的一类系统。随后，对基于确定学习理论的非线性系统的动态模式识别理论做一介绍，并在此基础上给出基于动态模式的控制的基本框架。在本文的研究中，我们期望通过基于动态模式的控制来实现稳定性、更小的计算需求和更快的响应速度。