的方波信号仿真曲线如图2(1)~2(2)所示。
为进一步研究系统的抗干扰能力，给对象加以白噪声干扰(randn函数)，线性滞后对象在 ，在其他条件不变，干扰造成的影响可快速收敛，其结果如图3所示。原因是干扰可以看作一个扰动输入，显然干扰对输出的影响已充分反映在系统的动态模型中。
图2 带RBF辨识器PID控制方波信号跟踪曲线
图3 加干扰后系统跟踪方波输出
仿真结果表明，利用文中提出的变聚类半径的最近邻聚类学习算法的RBF神经网络辨识对象Jacobian信息的在线自整定PID控制策略，可是非线性滞后对象跟踪方波信号，并且具有较好快速性和稳定性。
4 结论
算法可以自行进行PID控制参数的在线自整定和优化，避免人工调试PID控制参数的烦琐工作；算法对采用RBF神经网络辨识对象的Jacobian信息，有较强的自适应能力和抗干扰能力；在训练RBF网络时，采用具有在线功能的最近邻聚类算法，这为这种自整定的PID控制策略在非线性系统滞后系统中的实际应用提供了坚实的基础参考文献:
[1]陶永华。新型PID控制及其应用[M]。北京：北京机械工业出版社，2002，1~10。
[2] 定国锋，王孙安，林廷圻等。一种简单非线性PID控制在电液伺服中的应用[J]。液压与机床，1997，3：23—24
[3] Akihiro Sakaguch,Toru Yamamoto. A Design of PredictivePID Control Systems Using and GMDH Network[A]. Proceedings of the 2002 IEEEInternational Conference on Control Applications sep. 18-20,Glasgow Scotland UK, 2002,266-271.
[4] 阎杰。电液伺服加载系统的自适应PID控制[J]。西北工业大学学报，1998，2(16)：56—60
，在其他条件不变，干扰造成的影响可快速收敛，其结果如图3所示。原因是干扰可以看作一个扰动输入，显然干扰对输出的影响已充分反映在系统的动态模型中。
