如果你调过PID，估计对这种感觉不陌生——比例系数拉大压稳态误差，超调马上起飞；积分时间压短消除余差，系统开始低频振荡；微分加多了又对噪声异常敏感。比这更头疼的是，对象一变工况，之前精心整定的一组参数全线报废。我最近完成了一个径向基神经网络（RBF）辅助的PID参数自适应整定项目，核心思路是用RBF网络在线辨识对象的Jacobian，再用梯度下降实时修正Kp、Ki、Kd，整个项目带完整MATLAB代码和配套说明文件。这篇文章从设计动机、算法推导、工程实现、仿真对比，到调参避坑和文档组织，会把整个项目一次讲透。适合正在做智能控制课题、或者现场被变工况参数整定反复折磨的工程师参考。

1. 为什么固定参数PID在变工况对象上总差一口气

1.1 从“整定一次管到底”到“随时准备重新整定”

PID三个参数本质上是对象动态特性在三个频段的“踏板”：Kp决定响应速度，Ki负责消除稳态误差，Kd提供阻尼。理想的整定结果是三个增益与对象增益、时间常数、纯滞后三者匹配。问题是，常规整定方法——临界比例法、衰减曲线法、经验试凑法——都隐含一个前提：对象特性在运行期间基本不变。可现实对象很少这么乖。加热炉的散热系数随环境温度变，管道流量增益随阀门开度变，反应釜的时间常数随物料黏度变。只要这些在变，固定PID的“匹配”就会被打破。

这种不匹配最直接的后果是：你在A工况调好的参数，拿到B工况就是废的。轻则控制品质下降、超调增大，重则系统发散。现场工程师最怕的不是“不会调”，而是“今天调好明天又要调”，对象参数每天都在漂移，人力永远追不上设备老化和工况切换的速度。所以工业界对自适应控制的需求从来都是真实的，问题只是怎么在成本和可靠性之间找到平衡点。

1.2 非线性与时变带来的三个具体麻烦

第一，对象增益漂移。以我仿真里用的非线性对象为例：y(k) = a(k)·y(k-1) / (1 + y(k-1)²) + b(k)·u(k)。其中b(k)在0.7到1.3之间慢变。同样的Kp，在小增益时反应迟钝，在大增益时容易过冲。你没法用一组Kp同时讨好两种状态。

第二，时间常数变化。积分时间在快对象上偏长是“懒”，误差消不掉；在慢对象上偏短是“躁”，控制量来回冲。微分项更敏感，对象时间常数一变，原来压超调的Kd可能变成放大噪声的放大器。

第三，整定代价高。现场重新整定往往要做阶跃试验或者扫描试验，频繁切换工况时几乎不可能停下来做试验。更不用说试凑法本身依赖经验，不同的人调出来的参数能差一倍。

既然固定参数的根源在于不知道对象当前的灵敏度，那就让控制器自己感知“当前控制量对输出影响有多大”——也就是在线辨识Jacobian ∂y/∂u。这正是RBF网络在这个项目里干的事。它不直接当控制器，而是当一个会跟着对象特性变化而更新的“在线模型”。

2. RBF网络在本项目里是“系统辨识器”，不是新式控制器

2.1 三个角色，各司其职

先扭转一个常见误解：提到神经网络PID，很多人以为是用神经网络替代PID输出控制量。这个项目里完全不是这个结构。RBF网络只是一个在线模型，它与增量式PID、梯度修正环节构成完整的自适应闭环，三个角色各有分工：

• RBF网络：以控制量u和上一拍输出y(k-1)为输入，前向输出ym逼近对象的输入-输出关系；同时算出∂y/∂u，也就是Jacobian，供PID参数修正使用。
• 增量式PID：仍然是实际的控制器，根据误差计算控制量增量du，再累加成u(k)。
• 梯度下降修正环节：利用RBF提供的Jacobian，把“误差对控制参数的梯度”算出来，在线更新Kp、Ki、Kd。

这样设计的好处是职责清晰。RBF坏了顶多导致参数更新方向不准，但PID本身还在工作；反过来PID参数更新算法出问题，也不会污染RBF的辨识训练。两个模块可以分别调试，这在工程上非常重要。

2.2 为什么选RBF而不是BP

BP神经网络也能逼近非线性函数，但在线控制场景下RBF有几个先天优势。我做了个对比：

RBF的数学形式是每个节点由一个高斯基函数构成：h(j) = exp(-||x - c(j)||² / (2·b(j)²))。网络输出是所有基函数输出的线性组合：ym = Σ w(j)·h(j)。直观理解就是用若干个高斯“探头”局部刻画对象：输入落在哪个探头附近，哪个探头就被激活，输出主要是这些局部探头的加权和。

这种“局部逼近”特性非常适合在线场景。对象特性漂移时，不需要整个网络重新学习，只需要让离当前工作点最近的几个探头跟着移动、调整宽度和权重。相比之下，BP全局调整所有权重，在线更新时很容易把已经学好的远处区域也搅乱。

3. 三层递推的自适应算法：从误差一路反推回PID增益

3.1 第一层：RBF前向计算与Jacobian表达式

RBF网络输入选二维向量x = [u(k-1), y(k-1)]，对应“上一拍控制量”和“上一拍输出”。这其实是把被控对象当作一个一阶非线性递推系统来处理：y(k) = f(y(k-1), u(k-1))。网络输出：

ym(k) = Σj w(j)·h(j)

其中h(j)按高斯基函数计算。现在对u分量求偏导，就能得到Jacobian的解析式：

dydu = ∂y/∂u ≈ ∂ym/∂u = Σj w(j)·h(j)·(c(j,1) - x(1)) / b(j)²

这个式子不需要额外求导网络，直接由网络参数和输入就能算出来，开销极小。它的物理意义是：在当前工作点附近，控制量变化一个单位，对象输出大约变化dydu个单位。

这里有一个很妙的性质：如果对象增益为正，收敛后的dydu是正值；如果对象是反向特性（增益为负），RBF训练后dydu会自动变成负值，PID梯度方向也跟着翻转。也就是说，自适应方案不需要提前知道对象的增益符号，网络自己会辨识出来。这一点在工业现场非常实用，因为很多执行机构的安装方式会导致控制方向反了，传统做法是手动确认并反转，而RBF-PID可以自动适应。

3.2 第二层：增量式PID控制律

PID部分采用增量式，控制量写成累积形式：

u(k) = u(k-1) + du(k)

其中du(k) = Kp·[e(k) - e(k-1)] + Ki·e(k) + Kd·[e(k) - 2·e(k-1) + e(k-2)]

为了代码简洁，定义三个中间量：

• x1 = e(k)
• x2 = e(k) - e(k-1)
• x3 = e(k) - 2·e(k-1) + e(k-2)

于是du = Kp·x2 + Ki·x1 + Kd·x3。这三个量的物理含义很清晰：x1是当前偏差，x2是偏差的变化率，x3是偏差的二阶差分。增量式PID的好处是输出的是控制量增量而不是绝对量，手动自动切换冲击小，也不容易在积分环节产生大幅饱和冲击，这是现场更喜欢它的原因。

3.3 第三层：梯度下降反推Kp/Ki/Kd

核心思想是让PID参数沿着“误差平方和下降最快”的方向更新。定义性能指标：

J = 0.5·e(k)²

把e(k)看作Kp、Ki、Kd的复合函数，链路是：e → y → u → K。用链式法则：

∂J/∂Kp = ∂J/∂e · ∂e/∂y · ∂y/∂u · ∂u/∂Kp = -e(k)·dydu·(e(k) - e(k-1))

同理可得另外两个。梯度下降就是参数减去学习率乘梯度，整理后写成增量形式：

• Kp ← Kp + ηp·e(k)·dydu·x2
• Ki ← Ki + ηi·e(k)·dydu·x1
• Kd ← Kd + ηd·e(k)·dydu·x3

注意Kp的修正项乘的是x2（偏差变化率），Ki乘x1（偏差本身），Kd乘x3（二阶差分），和增量PID中三个增益各自作用的误差量一一对应。这个对应关系是代码里最容易写错的地方，我见过不少版本把三个增益的修正量都乘同一个x1，虽然学习率小时也能跑，但严格推导下来应该各乘各的量。

需要坦白的是，这里把e(k)视为K的显式函数而忽略了e(k)自身对K的隐式依赖，是一种局部线性化近似。在线自适应场景下学习率都取得比较小，每一步修正量不大，这个一阶近似足够用，这也是绝大多数文献和工程实现采用的做法。

4. 工程结构设计：一份能直接跑的MATLAB工程

4.1 文件树与职责分工

我没有把所有代码塞进一个脚本，而是拆成了五个函数加两个文档。文件树如下：

rbf_pid_adaptive/ ├── main_rbf_pid.m # 顶层仿真循环、数据记录、绘图 ├── rbf_network.m # RBF前向计算，输出ym和Jacobian ├── rbf_train.m # RBF在线梯度更新w/c/b ├── pid_gradient_update.m # PID参数梯度修正 + 增量控制量计算 ├── plant_nonlinear.m # 非线性时变被控对象模型 ├── README.md # 项目说明文档 └── docs/ └── 设计说明.md # 原理推导、参数表、实验结果

这么拆的理由是：RBF网络、PID修正、对象模型各自独立，调试时可以单独替换。想让某个模块接真实设备，直接换对应函数即可；想换成别的辨识算法，也只需要替换rbf_network和rbf_train两个文件，其他部分完全不动。

4.2 主循环代码逐段拆解

主程序完整代码如下。注释里标了关键时序，后面我会逐一解释为什么这样安排。

%% main_rbf_pid.m clear; clc; close all; %% 1. 仿真参数 T = 0.001; % 采样周期（秒） Time = 2.0; % 仿真时长 steps = round(Time / T); % 总采样步数 t = (0:steps-1) * T; %% 2. 控制与网络初值 kp = 0.20; ki = 0.05; kd = 0.02; kp_rec = zeros(1, steps); ki_rec = zeros(1, steps); kd_rec = zeros(1, steps); u_rec = zeros(1, steps); y_rec = zeros(1, steps); rin_rec = zeros(1, steps); dydu_rec = zeros(1, steps); M = 6; % RBF隐层节点数 w = 0.10 * randn(M, 1); % 输出权值 c = 0.5 + 0.20 * randn(M, 2); % 高斯中心，覆盖输入常见范围 b = ones(M, 1); % 高斯宽度 % 学习率 xite_w = 0.30; xite_c = 0.30; xite_b = 0.30; xiteP = 0.40; xiteI = 0.30; xiteD = 0.40; % 历史变量 error_1 = 0; error_2 = 0; y_past = 0; % y(k-1) u_past = 0; % u(k-1) %% 3. 主循环 for k = 1:steps % 方波设定值：周期0.4s，在0.5和1.0之间切换 if mod(k * T, 0.4) < 0.2 rin = 1.0; else rin = 0.5; end rin_rec(k) = rin; % 当前误差，用上一拍输出，模拟采样反馈延迟 error = rin - y_past; % 第一步：RBF前向，用上一拍输入计算Jacobian近似 x_net = [u_past; y_past]; [~, dydu, h] = rbf_network(x_net, w, c, b); % 第二步：增量PID + PID参数梯度修正 [kp, ki, kd, du] = pid_gradient_update( ... kp, ki, kd, error, error_1, error_2, dydu, ... xiteP, xiteI, xiteD); u_rec(k) = u_past + du; % 第三步：控制量作用到对象，得到本拍输出 y_rec(k) = plant_nonlinear(u_rec(k), y_past, k * T); % 第四步：用当前拍样本训练RBF网络 x_train = [u_rec(k); y_past]; [ym_train, ~, h_train] = rbf_network(x_train, w, c, b); e_nn = y_rec(k) - ym_train; [w, c, b] = rbf_train(x_train, e_nn, h_train, w, c, b, ... xite_w, xite_c, xite_b); % 记录 kp_rec(k) = kp; ki_rec(k) = ki; kd_rec(k) = kd; dydu_rec(k) = dydu; % 更新历史 error_2 = error_1; error_1 = error; y_past = y_rec(k); u_past = u_rec(k); end %% 4. 绘图 figure; subplot(2,2,1); plot(t, rin_rec, 'r--', t, y_rec, 'b-', 'LineWidth', 1.2); xlabel('t/s'); ylabel('y'); legend('r', 'y'); title('输出跟踪'); subplot(2,2,2); plot(t, u_rec, 'LineWidth', 1.2); xlabel('t/s'); ylabel('u'); title('控制量'); subplot(2,2,3); plot(t, kp_rec, 'r', t, ki_rec, 'g', t, kd_rec, 'b', 'LineWidth', 1.2); xlabel('t/s'); ylabel('K'); legend('Kp','Ki','Kd'); title('PID参数自适应'); subplot(2,2,4); plot(t, dydu_rec, 'k', 'LineWidth', 1.2); xlabel('t/s'); ylabel('dy/du'); title('Jacobian辨识');

这里有两个时序细节值得展开。

第一个是Jacobian计算用的是上一拍的u。理论上当前拍的dydu应该用当前u算，但当前u还没算出来，于是用上一拍输入近似。因为对象变化是连续的，相邻两拍的控制量差异不大，这种近似在离散控制里完全可接受。RBF网络本质上学习的是y(k) = f(u(k-1), y(k-1))这个递推关系，所以上一拍输入恰恰对应了模型输入口径。

第二个是训练样本用当前拍u。第四步里x_train用的是u_rec(k)，因为目标y_rec(k)确实是当前控制量作用下的结果。这样保证训练样本的输入输出是匹配的。如果你把训练输入也换成u_past，仿真也跑得动，但模型学到的其实是一个“用旧控制量预测新输出”的错位关系，在对象变化较快时误差会明显。

4.3 四个子函数的实现细节

RBF前向函数很短，核心就是高斯基函数和Jacobian求和：

function [ym, dydu, h] = rbf_network(x, w, c, b) M = length(w); h = zeros(M, 1); for j = 1:M dist_sq = (x(1) - c(j,1))^2 + (x(2) - c(j,2))^2; h(j) = exp(-dist_sq / (2 * b(j)^2)); end ym = w' * h; dydu = sum(w .* h .* (c(:,1) - x(1)) ./ (b(:).^2)); end

PID梯度更新函数把“修正参数”和“计算控制量增量”合在一起：

function [kp, ki, kd, du] = pid_gradient_update( ... kp, ki, kd, error, error_1, error_2, dydu, ... xiteP, xiteI, xiteD) x1 = error; x2 = error - error_1; x3 = error - 2 * error_1 + error_2; kp = kp + xiteP * error * dydu * x2; ki = ki + xiteI * error * dydu * x1; kd = kd + xiteD * error * dydu * x3; du = kp * x2 + ki * x1 + kd * x3; end

RBF训练函数是最容易出数值问题的地方，三个参数更新律各有各的坑：

function [w, c, b] = rbf_train(x, e_nn, h, w, c, b, ... xite_w, xite_c, xite_b) M = length(w); for j = 1:M w(j) = w(j) + xite_w * e_nn * h(j); c(j,1) = c(j,1) + xite_c * e_nn * w(j) * h(j) * ... (x(1) - c(j,1)) / (b(j)^2); c(j,2) = c(j,2) + xite_c * e_nn * w(j) * h(j) * ... (x(2) - c(j,2)) / (b(j)^2); dist_sq = (x(1) - c(j,1))^2 + (x(2) - c(j,2))^2; db = xite_b * e_nn * w(j) * h(j) * dist_sq / (b(j)^3); b(j) = b(j) + db; if b(j) < 0.01 b(j) = 0.01; % 防止宽度过小导致除零 end end end

权值w的更新最简单，就是误差乘基函数输出。中心c的更新要多乘一个w(j)和h(j)，因为中心移动对最终输出的影响要经过权值和基函数激活程度两级传递。宽度b的更新带dist_sq/b³，对数值最敏感，所以必须有下限保护。这里把b的下限设为0.01，如果更新过程出现b趋向0的情况，说明学习率太大或者训练误差信号被噪声污染了。

被控对象模型我特意做成参数慢变的形式，模拟实际对象的工况漂移：

function y = plant_nonlinear(u, y_prev, time_k) % a(k)和b(k)随时间缓慢变化，模拟对象特性漂移 a = 1.2 - 0.2 * cos(2 * pi * time_k / 0.3); b = 1.0 + 0.3 * sin(2 * pi * time_k / 0.3); y = a * y_prev / (1 + y_prev^2) + b * u; end

5. 仿真验证：把固定PID和RBF-PID放在同一台“对象”上硬碰硬

5.1 实验设定与评价指标

仿真条件按主程序里的设置为准：采样周期0.001秒，仿真时长2秒，设定值在0.5和1.0之间按0.4秒周期切换。对象参数a和b以0.3秒为周期缓慢变化，相当于每0.3秒工况就换一轮。固定PID对照组用经验试凑法在同一对象上整定出一组“在大部分工况下都不算差”的参数：Kp=0.20、Ki=0.05、Kd=0.02。RBF-PID使用完全相同初始参数，然后开启在线自适应。

评价指标除了直观的超调量和调节时间，还用了误差积分指标。ISE = Σ e(k)²·T，它对大误差特别敏感，能反映全程误差能量的累积，比单纯看超调更能说明控制品质。

5.2 对比结果与解读

在我这组参数下跑出来的代表数值如下：

需要强调一下，这不是精确到物理常数的数据，而是指定参数组合下的一组代表值。你改学习率、网络节点数或者对象模型系数，具体数值会变，但只要参数没调崩，RBF-PID整体占优的结论是稳定的。

从仿真曲线能清楚看到两个阶段。前0.3秒左右是“学习期”，RBF网络还没有建立可靠的对象模型，PID参数会有一段试探性的波动，控制量偶尔出现小脉冲。过了这个阶段后，Jacobian辨识趋于稳定，Kp会跟随对象参数b的变化自动调整——对象增益变大时Kp自动下调，防止过冲；对象增益变小时Kp自动回升，保持响应速度。Ki和Kd也在小幅浮动，但总体变化比Kp平缓得多。

5.3 Jacobian曲线告诉我们的东西

dydu的辨识曲线是整个系统健康程度的“心电图”。正常的dydu曲线应该跟随对象增益b(k)平滑波动，幅值范围和b的变化趋势一致。如果你看到以下三种情况，基本能定位问题方向：

• dydu高频抖振：学习率偏大，或者训练样本混入大量测量噪声。对策是把xite_w、xite_c、xite_b调小，或者对e_nn做限幅滤波。
• dydu符号频繁翻转：网络中心初值分布不合理，或者节点数太少，模型在不同工作点之间“跳变”。对策是重新设置中心初值，让它覆盖输入变量的正常范围。
• dydu整体幅值异常大：可能是宽度b太小，高斯函数过于尖锐，导致个别点灵敏度爆炸。把b的初值调大一些即可。

这些诊断经验是我反复跑仿真总结出来的，写进说明文档的FAQ里非常有用。

6. 调参与避坑：文档里一般不写的细节

6.1 学习率、初值与网络规模的配合策略

先给一个总原则：这套算法不是从零开始的“无脑自整定”，而是“在较好初值附近做局部修正”。如果你给Kp一个离谱的初值，比如对象增益是0.8你上来给Kp=5，那么RBF自适应一开始就会在巨大误差下剧烈调整，很可能把参数推得更乱。我自己的做法是先用固定PID把系统跑到基本能用，再接上自适应，让它在局部贴着最优参数走。

关于学习率，PID侧和网络侧要分开看。PID侧学习率xiteP、xiteI、xiteD一般在0.1到0.5之间，其中xiteP可以稍大，xiteI稍小，因为积分参数变化太猛容易引起低频振荡。网络侧学习率xite_w、xite_c、xite_b同样在0.1到0.3之间，宽度b的更新率应该是最小的，因为b对数值变化最敏感。如果你看到控制量在目标值附近持续小幅抖动，优先把xiteD和xite_b同时减半试试。

网络规模M不是越大越好。在C代码里跑真实设备时，M=3到8个节点已经足够，每个节点多一组中心参数要更新，M=10以上在线计算量明显上升，而且节点越多越容易在局部数据上过拟合。中心初值应该覆盖输入变量的常见范围，宽度初值让高斯函数在输入范围内“有重叠但不过度平整”。一个粗略的经验是：输入范围如果大致在[-1,1]，中心初值取[-0.5,0.5]均匀分布，宽度初值取1左右，先跑一次看Jacobian曲线再微调。

6.2 稳定性保护：给参数加“安全带”

在线自适应最怕参数漂移到物理实现之外。比如Kp被梯度更新推到负值，控制方向直接反了，系统瞬间发散。所以工程实现里必须加边界约束。我这里给出两个最简单的保护：

% 在pid_gradient_update函数末尾加参数边界 kp = max(0.01, min(kp, 5.0)); ki = max(0.001, min(ki, 2.0)); kd = max(0, min(kd, 1.0));

另一个保护是dydu限幅。RBF网络刚初始化时Jacobian可能严重偏离真实值，比如真实增益是1，网络算出10，这一拍PID参数修正量就被放大了十倍。处理办法是在主循环里加一句：

dydu = max(-5, min(dydu, 5)); % 限幅，防止异常梯度带偏PID参数

类似的，训练误差e_nn也可以限幅到±1。这些“安全带”看似简单，却能让整个自适应过程在极端工况下不至于失控。做控制的人不应该指望算法永远不出错，而应该在算法出错时让系统能安全降级。

6.3 随机种子、噪声与结果复现

RBF初始参数用了randn随机生成，每次运行结果都不一样。如果你的仿真对比需要可复现，主程序开头加一句rng(0)固定随机种子。如果做严谨一点的实验对比，应该多次运行取统计平均，而不是拿单次结果下结论。

真实对象必然带噪声。测量噪声会直接进入训练误差e_nn，RBF网络会把噪声当成对象动态的一部分学进去。噪声大时要注意两点：一是把网络学习率调小，让单次噪声对参数的影响有限；二是对e_nn做一阶低通滤波，比如e_nn_filtered = alpha * e_nn + (1-alpha) * e_nn_filtered，alpha取0.1到0.3之间。滤波会引入一点滞后，但对参数更新的整体方向影响不大。

7. 说明文件怎么组织：让项目真正做到“拿来就能用”

7.1 README的结构与写法

一个项目能不能被其他人快速上手，README起决定性作用。我的README采用以下结构：

# RBF-PID自适应整定 ## 1. 项目简介 一句话说明项目做什么，适用对象是谁。 ## 2. 文件说明 列出所有文件和各自职责，让读者不用打开代码就能找到入口。 ## 3. 运行方法 说明MATLAB版本、是否需要额外工具箱、直接运行哪个脚本。 ## 4. 核心原理 给出算法链路图和核心公式，但详细推导放docs/设计说明.md。 ## 5. 参数说明 用表格列出所有可调参数：符号、含义、初值、建议范围。 ## 6. 实验结果 贴出关键仿真图和数据表。 ## 7. 常见问题 收录调试中遇到的高频问题和解决办法。

“运行方法”这一节必须写清楚环境。比如“在MATLAB R2020a及以上版本直接运行main_rbf_pid.m，无需额外工具箱”，这行字能帮读者避免大量环境排查。参数说明表则是把散落在代码里的magic number全部集中起来，读者想调参时不用一处处翻。

7.2 设计说明文档：公式、参数、结果三者对应

docs/设计说明.md是理论部分的主战场。我建议把公式编号，然后在代码注释里标注对应编号，比如“% 见设计说明公式(5)”。这样读者看到代码里的dydu计算，可以立刻跳到文档找到推导过程。

参数表模板可以参考下面这种格式：

表格比大段文字高效得多，读者查参数时一眼就能定位。实验结果部分除了贴图，还应该附上生成这些图的随机种子和完整参数配置，保证其他人能复现同一张图。

7.3 常见问题FAQ怎么积累

FAQ不是在项目写完后一次性编出来的，而是调试过程中随手记下来的。我建议每次遇到“这个地方改了就能跑”“这个现象是哪个参数引起的”，就立刻记录，积少成多。以下是几个一定会被问到的问题：

• 为什么我的dydu一开始是负的？答：对象增益为负时dydu就是负值，这是正常现象；如果对象增益是正的而dydu长期为负，说明网络未收敛，检查中心初值和学习率。
• 为什么Kp越跑越大甚至发散？答：优先检查是否加了Kp边界约束，再看dydu是否异常大，最后确认误差符号有没有搞反。
• 为什么换一个对象模型就不行了？答：每个对象的输入范围、时间尺度不同，需要重新设置中心初值和宽度初值，不能直接复用上一组网络参数。
• 如何把这个方案搬到Simulink里？答：把rbf_network、rbf_train、pid_gradient_update封装成MATLAB Function模块，或者写成S-Function，主循环交给求解器管理。

最后说点个人体会。这套方案真正的价值在于把“整定一次”变成“持续微调”，但它不是银弹——初始参数太离谱，自适应照样救不回来；学习率与对象时间尺度不匹配，控制量会在目标值附近抖。我通常的做法是先固定PID把系统跑到基本稳定，再接上RBF自适应，并且给网络一段热身期：前几百拍只做辨识、不参与调参，等Jacobian曲线平滑了再让梯度修正生效。这个习惯让我少踩了不少坑。如果你是第一次跑这套代码，建议先把学习率全部缩小一个量级，观察曲线趋势正常后再逐步放大。