RBF（径向基函数）神经网络能在各个领域得到了很好的应用，关键在于网络模型参数权值、网络中心值、基宽向量和隐含层节点数的选取。传统的RBF神经网络存在精度不高，容易陷入局部最优，收敛速度慢等缺点。针对这些问题，提出了利用粒子群算法优化后件多项式RBF神经网络方法，即优化含有后件多项式RBF神经网络的权值、网络中心值和基宽向量值，并选取最优的隐含层节点数，进而提出了PSOIRBF（基于粒子群的后件多项式RBF）神经网络。通过对非线性模型和实例等非线性被控对象的仿真研究及对模型的分析，表明了所提出算法的有效性。