径向基函数神经网络（Radial Basis Function，RBF）是一种高效的前馈式神经网络，它具有的最佳逼近性能和全局最优特性，并且结构简单，训练速度快。RBF神经网络也可以应用于模式识别、信号处理、非线性函数逼近等领域。RBF神经网络具有模拟人脑中局部调整、相互覆盖接收域的神经网络结构，能以任意精度逼近任一连续函数。人工鱼群算法作为RBF神经网络的训练算法，具有良好的克服局部极值、取得全局极值的能力；对搜索空间具有一定的自适应能力；算法对初值无要求，对各参数的选择也不很敏感等特点。文中将库存鱼群和寻优鱼群引入到算法中，并在保证全局寻优能力的情况下，解决算法的效率问题。将微人工鱼群算法应用到神经网络的训练中，建立起了基于人工鱼群算法的神经网络训练模型。文中将人工鱼群算法和RBF神经网络相结合，以二级倒立摆为研究对象，设计了RBF神经网络控制器。在Matlab中，对二级倒立摆系统进行仿真，结果表明所设计的控制器满足系统的性能要求。将经过仿真的神经网络模块下载到固高公司的倒立摆系统中，验证算法的实际效果。通过实验结果表明：二级倒立摆能够保持稳定平衡，抗干扰能力好，验证本文所设计的RBF神经网络控制器具有良好的控制性能。