با توجه به اینکه شبکه های عصبی مصنوعی در حال حاضر در بسیاری از علوم مورد استفاده قرار می گیرند، لذا از جایگاه ویژه ای برای مسائل مختلف بهینه سازی، مدل سازی و کنترل برخوردارند. در اینجا یک سیستم کنترلی شبکه عصبی برای یک سیستم دینامیکی غیرخطی به گونه ای طراحی می شود که سیستم مفروض را بر روی یک مسیر از پیش تعیین شده قرار دهد. این شبکه عصبی دارای سه لایه ورودی، پنهان و خروجی است که ارتباط این لایه ها با اعمال ماتریس های وزنی با ابعاد متناسب بر قرار شده و از الگوریتم یادگیری خارج از خط استفاده می شود. از آنجا که شبکه های عصبی مصنوعی به شدت به پارامترهای وزنی و تنظیمی خود حساس اند، لذا یک الگوریتم pso برای تولید پارامترهای وزن های شبکه مورد استفاده قرار می گیرد. دراینجا خطای ردیابی بین مسیر مطلوب وحالت سیستم به عنوان ورودی سیستم کنترلی در نظر گرفته می شود. به طوری که بعد از گذشت مدت زمان محدودی این خطا به اندازه قابل قبولی کاهش می یابد و به سمت صفر میل می کند و اهداف کنترلی را برقرار می سازد. ربات زیرآبی چهار درجه آزادی ساخته شده توسط دانشگاه گیلان بر روی مسیری از پیش تعیین شده که یکی به صورت خطی و دیگری به صورت مارپیچ )فنری شکل( است جهت شبیه سازی مسیر مطلوب در نظرگرفته می شود که علاوه بر این دو مسیر عادی )فاقد اغتشاش( در یکی از این مسیرها )مسیر خطی( همراه با اغتشاش نیز شبیه سازی می شود و نشان داده می شود که برای هر کدام از مسیرها و با توجه به هر کدام از حالت های اغتشاشی و بدون اغتشاش سیستم کنترلی مورد نظر قادر خواهد بود تا ربات زیرآبی را بر روی مسیر مطلوب قرار داده و آن را به نقطه هدف برساند. و همین طور برای بهتر نشان دادن توانایی سیستم کنترلی مورد نظر یک سیستم کنترلی شبکه عصبی به همراه الگوریتم آموزش ژنتیک مورد استفاده قرار می گیرد که با مقایسه پاسخ های ناشی از این دو سیستم کنترلی مشخص می شود که سیستم کنترلی طراحی شده در این پایان نامه به مراتب بهتر و با دقت بیشتری نسبت به ژنتیک عمل خواهد کرد.