Trong bài báo này, điều khiển thích nghi sử dụng mạng nơ-ron RBF (radial basis neural network) được đề xuất cùng với bài toán giảm chattering trong điều khiển trượt hệ thống bồn đôi tương tác. Mạng nơ-ron RBF được sử dụng để xấp xỉ hàm trong luật điều khiển trượt. Hàm signum trong luật điều khiển trượt được thay thế bởi hàm tanh để kiểm chứng hiệu quả của bài toán giảm chattering. Tính ổn định của giải thuật đề xuất được chứng minh bằng lý thuyết Lyapunov. Để chứng minh hiệu quả của phương pháp đề xuất, các kết quả mô phỏng với MATLAB/Simulink của phương pháp này được so sánh với điều khiển mờ, điều khiển trượt với điều kiện tích phân, điều khiển PID mờ và điều khiển vi tích phân tỷ lệ (PID) truyền thống. Các kết quả so sánh cho thấy rằng, bộ điều khiển đề xuất hiệu quả hơn với thời gian tăng là 0,1271 (s), không có vọt lố, triệt tiêu sai số xác lập, thời gian xác lập là 0,2464 (s) và không xảy ra hiện tượng chattering., Tóm tắt tiếng anh, In this paper, an adaptive radial basis function neural network (RBFNN) is proposed to deal with chattering reduction problem in sliding mode control for the two tanks interacting system. The RBFNN is used to approximate the function in the sliding mode control. The signum function in the sliding mode control is replaced by tanh function to test the performance of the chattering reduction problem. The stability of the proposed algorithm is proved by the Lyapunov theory. To show the suitability of the proposed algorithm, the simulation results in MATLAB/Simulink of this method are compared to the fuzzy control, sliding mode control with conditional integrals, fuzzy PID control and the conventional PID control. The comparison results show that the proposed controller is more effective with the rise time is 0.1271 (s), the percent overshoot is 0 (%), the steady state error converges to zero, the settling time is 0.2464 (s) and the chattering is eliminated.