本发明请求保护一种基于RBF神经网络的大型风力机变桨距系统辨识方法，首先，本发明在传统神经网络辨识算法技术的基础上采用输出敏感度法对网络结构进行动态优化改进，采用英国Garrad Hassan Partners公司的Bladed风力机仿真软件控制仿真获取实验数据，风速v和桨距角β作为输入信号，发电功率P作为输出信号。进而，结合系统辨识原理，利用模型本身及相关的测量信息搭建辨识系统框架。其次，由于神经网络强大的非线性映射能力将RBF用于辨识算法，在系统输入信号激励下，使辨识系统输出无限逼近系统实际功率输出。最后，针对网络学习速率难以选取的问题，提出梯度下降法和优化算法相结合的方法导出网络结构的最优学习速率。本发明具有较强自适应能力和抗干扰能力，具有一定的实用价值。