倒立摆是一种常见的验证控制算法的自然不稳定实验装置,具有典型的多变量、非线性、强耦合特性。对其进行研究是检验各种控制算法是否有效的重要途径,也具有工程应用价值。本文主要研究了RBF-ARX非线性时间序列建模方法和预测控制在一级直线倒立摆系统起摆控制中的应用。传统对倒立摆控制的研究多数基于其物理模型,需要对其运动机理进行准确的分析,存在一些缺点：由于有些参数难以精确测量,建模时进行了一定程度上的简化,影响了模型的精确度。本文采取模型辨识的方法建立倒立摆模型,克服了物理建模的不足。RBF-ARX模型全称为具有径向基函数神经网络型系数的带外生变量的自回归模型,用RBF神经网络来逼近ARX模型中的函数系数。这样它既具有RBF网络优秀的逼近性能,也能利用ARX模型中的自回归与滑动平均结构来控制模型的复杂度。在此基础上,设计了数据辨识实验,用采集到的数据进行RBF-ARX模型辨识。文中详细说明了模型参数的初始化方法,利用结构化非线性参数优化方法SNPOM进行参数寻优,以及如何根据AIC准则与其它因素对模型阶次进行估计。之后建立了倒立摆起摆与稳摆阶段的两个RBF-ARX单输入单输出模型,并在平衡位置增加位置控制,建立了一输入两输出的RBF-ARX模型,经过数据检验,证明RBF-ARX模型具有较高的精度。利用辨识到的模型,设计预测控制器。通过选择适当的角度进行模型切换,进行单输入单输出与一输入二输出系统仿真,取得了较好的效果。最后进行实时控制实验,实现了直线一级倒立摆的起摆,对其角度进行了控制。通过与能量反馈起摆效果进行比较,证明基于RBF-ARX模型的预测控制在倒立摆类非线性、快速系统中的有效性。