直线倒立摆是一个典型的快速、多变量、非线性和本质不稳定系统。在控制过程中，它能有效的反映诸如稳定性、鲁棒性、随动性及跟踪等控制中的关键问题，是检验各种控制理论和算法的理想模型，对倒立摆系统的研究具有重要的理论价值。本文采用Matlab RTW实时工具箱构建实时控制平台，将Simulink仿真模型下载到目标实时内核中运行，驱动外部硬件设备，实现对倒立摆的实时控制。论文以深圳固高公司直线倒立摆为研究对象，进行了不同控制算法的研究和实验，并得出了相应的结论。主要研究内容如下：1)介绍了倒立摆控制的背景和研究现状，同时对倒立摆系统进行建模，并推导出了倒立摆模型的状态空间表达式；2)研究了基于留优遗传算法的直线倒立摆最优控制方法，实现了二级倒立摆的最优控制；3)研究了自适应模糊神经网络(Adaptive Neural-Fuzzy Inference System，ANFIS)控制，并将其用于倒立摆的控制；4)介绍了支持向量机理论与支持向量机回归的原理，将支持向量机用于模糊规则的提取、简化，构造出支持向量机模糊推理系统并实现了对倒立摆的控制。通过与神经网络方法的比较证明了该方法的有效性和可行性。研究发现，基于留优遗传算法的最优控制在计算和工程上实现容易，目前在倒立摆控制系统中应用普遍，但该方法依赖于系统的线性化模型，对于复杂的工业过程无法获得线性模型的对象则无能为力；ANFIS可辨识本质非线性系统，用混合学习算法调节前件参数和后件参数，收敛速度快，但是模糊神经网络的结构需要由设计者在训练前选定；支持向量机模糊推理系统能自动的从训练样本中提取支持向量，根据支持向量构建模糊规则，在不能事先确定模糊规则的复杂系统控制中有着广泛的应用，是模糊建模及非线性系统控制新的研究方向。