针对工业中存在的时滞、非线性问题，将内模控制方法和神经控制原理有效结合起来，并利用一种改进径向基神经网络(radialbasisfunctionneuralnetworks,RBFNN)中心点学习方法分别对被控对象的模型和控制器进行自适应学习，通过对实验室电加热炉这种典型一阶滞后对象实验，仿真表明，所提出的方法具有快速跟踪输入、无超调等良好特性，并且能在系统受到干扰或对象参数发生变化时，仍然具有良好的自适应性和鲁棒稳定性。