针对二阶不确定系统，特别是模型未知且伴随动力学扰动的复杂情况，以提升控制效能为目标展开研究。以板球系统为实验对象，提出了一种新颖的控制策略。采用RBF神经网络（RBF1）预测系统关键参数，并通过自适应算法动态调整其内部参数以确保预测精度;基于预测模型设计了一种基于积分滑模面的滑模控制器，利用积分滑模面的特性使系统状态直接进入滑动模态，提高了系统的鲁棒性和响应速度。为进一步优化控制性能，创新性地引入第2个RBF神经网络（RBF2）来动态调整滑模控制器参数，通过梯度下降法实现参数的整定，增强了控制策略的灵活性和适应性。仿真实验表明，该控制策略在板球系统轨迹跟踪中表现优异，能够有效应对系统不确定性和扰动，展现了良好的控制性能和实际应用前景。
