本文讨论了系统雅克比估计对未知非线性系统的自适应神经网络控制的影响。在参考文献[26]中,使用了一种新型的建模方法来提高系统的雅克比估计。本文的目的,是在此方法的基础上,从教师信号入手,进一步提高系统雅克比估计的性能,从而得到更加精确的控制效果,并比较不同精度的雅克比估计对系统控制性能的影响,同时,将此建模方法应用于自适应预测控制,得到更加理想的自适应预测控制效果,并在此基础上比较雅克比估计的性能对预测控制的影响。在对教师信号的处理上,首先采用均值滤波器对教师信号进行处理,进一步提出使用均值滤波与线性约束滤波相结合（二次滤波）的方法对教师信号进行滤波,并将滤波后的教师信号用于系统雅克比估计。通过仿真,验证了新的教师信号确实提高了系统雅克比估计的精度。将改进后的系统雅克比估计应用到逆动态控制中,仿真结果验证了系统雅克比估计的提高对自适应动态控制性能的改进。对于自适应预测控制方面,本文在已有的自适应神经网络预测控制理论的基础上,采用改进的系统雅克比估计对系统进行建模。将雅克比估计的信息引入预测控制的优化性能指标函数中,得到了新的优化性能指标函数,并由此推导出一步超前控制律。然后,分别就使用原始雅克比估计的预测控制、直接使用原始的教师信号获得的雅克比估计的预测控制^[26],和使用本文所提出的方法进行滤波后的教师信号得到的雅克比估计的预测控制进行比较仿真。以上试验结果验证了文献[26]中的建模方法对预测控制性能的影响,得出了本文中使用的滤波方法进一步提高了自适应神经网络预测控制的性能的结论。