板球系统在经典控制对象球杆系统的基础上进行了扩展,是一个多变量、强耦合、非线性控制对象。本文主要以提高系统响应速度和板球系统小球轨迹控制精度为目的,在径向基函数RBF（Radial Basis Function）神经网络自适应改进PID控制的基础上,从算法优化的角度入手,设计并提出几种板球系统优化方案。首先,本文对固高板球系统的基本组成和工作原理进行了介绍,对于电机控制球盘倾角,使小球受力产生运动的过程从动力学和能量守恒的角度进行分析,结合拉格朗日法在建立数学模型方面的优点,完成板球系统模型的定性分析。由于板球系统多变性、强耦合性的特点,在忽略光线对摄像头图像采集的影响及球板之间摩擦带来的能量损耗等不确定因素的影响的前提下,角度控制量模型相比于角加速度控制量模型具有更高的控制精度,因此可以将板球系统X轴方向和Y轴方向的运动分解为两个独立的子系统进行分析。其次,针对传统PID控制在板球系统实验中表现出控制时间长、小球轨迹精度低等问题,将RBF神经网络算法与PID控制相结合,以实现对板球系统控制能力的优化。又根据RBF神经网络具有良好的在线寻优能力和非线性映射的特点,基于建立的数学模型,引入加速率（Accelerate Rate）提高系统响应速度;为提高RBF-PID控制精度,引入卡尔曼滤波算法（Kalman Filtering）并设计卡尔曼自适应PID控制器;为优化RBF-PID控制算法的轨迹跟踪能力,利用LM（LevenbergMarquardt）算法优化板球系统RBF-PID控制器,并在MATLAB环境下验证改进后的算法在提高系统参数自整定的能力和加强系统鲁棒性方面的可行性。设计控制器后本文利用固高板球系统作为实验平台,分别设置单次和多次的定点跟踪控制实验和方形轨迹跟踪实验,通过对优化前后的算法进行仿真模拟和实验验证,结果表明,与原算法相比,改进后的控制算法相比于原算法的收敛性和稳定性都有所提高,可以降低强耦合系统的不确定因素造成的不良影响,其中AR＿RBF-PID提高系统响应速度的能力最好;KF＿RBF-PID算法能够有效去除过程噪声和测量噪声;LM＿RBF-PID控制算法在实物平台轨迹跟踪控制中的总体性能最好。