介电电活性聚合物（DEAP）材料通常具有很强的磁滞，非线性和不确定性，这些特性使得对其执行器进行有效控制非常困难。 提出了一种基于RBF神经网络的广义预测控制策略。 DEAP执行器的非线性特性通过RBF神经网络进行近似。 在此基础上，采用广义预测控制策略，通过滚动优化和反馈调整实现对DEAP执行器的预测控制。 仿真结果表明，与传统的广义预测控制方法相比，该方法可以减轻DEAP材料非线性引起的干扰，具有适应性，鲁棒性。