Bài viết đề xuất bộ điều khiển thích nghi nơron dựa trên mô hình dự báo (MPC) cho hệ thống robot đơn, với mô hình động lực học là bất định, và xem xét tới các điều kiện ràng buộc đầu vào khi thiết thế bộ điều khiển. Trong cấu trúc của MPC dựa trên mạng noron được trình bày, mạng nơron xuyên tâm (RBFNN) được xem xét để ước lượng mô hình. Mạng nơron được sử dụng như một mô hình dự báo cho hệ thống robot để xử lý độ bất định của hệ thống. Ngoài ra, các ràng buộc đầu vào được đảm bảo bằng cách sử dụng hàm mục tiêu không bậc hai cho MPC dựa trên mạng nơron. Nghiên cứu mô phỏng được thực hiện để xác minh tính hiệu quả của phương pháp đề xuất.This article proposes a neural adaptive controller based on a predictive model (MPC) for a single robot system, with an uncertain dynamic model, and considers input constraints in the controller design. In the proposed neuro-based MPC structure, a radial basis function neural networks (RBFNNs) are employed for modeling. The neural network is utilized as a predictive model for the robot system to handle the system uncertainties. Additionally, input constraints are guaranteed by using a non-quadratic cost function for neural network-based MPC. Simulation studies are conducted to verify the effectiveness of the proposed approach.