模型参考自适应控制是一种重要的自适应控制,它已具有较成熟的分析综合理论和方法,并在实践中被越来越广泛地使用,如飞机自动驾驶仪、舰船自动驾驶系统、光电跟踪望远镜随动系统、可控硅调速系统和机械手控制系统等方面。然而,传统的模型参考自适应控制算法的技术手段非常有限,遇到复杂的非线性系统,其设计和实现十分困难,为了充分发挥模型参考自适应控制技术的优越性能,提高控制的鲁棒性、实时性、容错性及对控制参数的自适应和学习,更有效地实现对一些存在多种不确定性及难以确切描述的非线性复杂过程的控制,人们将模型参考自适应控制与神经网络适当结合,组成基于神经网络的模型参考自适应控制系统。本论文对模型参考自适应控制系统的设计进行了分析研究,并将径向基函数神经网络用于控制系统中的辨识器,对非线性系统进行辨识。本文首先对模型参考自适应控制系统的基本理论作了介绍,紧接着介绍了三种经典的自适应控制规律的设计,并对其进行了仿真研究。本文通过介绍径向基函数神经网络在控制系统中作辨识器进行分析,对径向基函数网络的训练算法进行了改进,得出改进的K-means算法,并进行了系统辨识仿真。本文最后将模型参考自适应控制与PID控制相结合进行仿真分析,并在此例中运用到基于径向基函数网络进行系统辨识。论文重点针对三种经典的模型参考自适应控制设计方案进行仿真分析,总结其优缺点,在此基础上引入神经网络模型参考自适应控制系统,并对控制系统中神经网络辨识器的训练算法进行改进,最后举出一个实例对神经网络模型参考自适应控制系统进行了仿真研究。