RBF-ARX模型是ARX模型与RBF神经网络相结合的一种描述系统特征的方法,是“智能控制”的一个新分支,为解决复杂非线性系统的控制问题,开辟了一条新的途径。基于RBF-ARX模型的预测控制是国内外复杂非线性工业过程控制领域中的一个前沿问题。论文首先阐述了倒立摆的研究背景,介绍了RBF-ARX模型的发展和应用,并回顾了预测控制的产生和发展。接着重点介绍了RBF-ARK模型的结构、模型参数的辨识与优化,并针对一级倒立摆的非线性特征,采用RBF-ARX模型对其进行全局非线性动态特性建模。讨论了模型结构的选取,并采用SNPOM优化方法快速准确地估计出了模型的全部参数。通过比较模型预测输出和预测误差,来比较全局RBF-ARX模型和全局线性ARX模型,以及局部RBF-ARX模型和局部线性ARX模型,结果显示RBF-ARX模型在整个工作区域内的建模误差都更小,从而验证了RBF-ARX建模方法在倒立摆系统中的有效性,为基于该模型的优化控制提供了很好的基础。然后,针对典型预测控制算法讨论了预测控制的基本结构和原理,并详细描述了广义预测控制的基本原理及其在应用中的优缺点。最后,将基于局部RBF-ARX模型的预测控制算法应用到倒立摆控制系统中。仿真结果表明:系统的RBF-ARX模型的预测误差很小,能充分描述系统在局部范围的动态特性,其控制性能明显优于基于局部线性ARX模型的预测控制器和LQR控制器的控制性能。