近年来,复杂动态系统的控制器的设计已成为一个越来越重要和具有挑战性的问题,并且已经取得了很多重要的研究成果。本文提出一种基于学习人类策略的智能控制方法,建立系统状态与人类专家控制量之间的关系。通过采集系统的状态信息和人类专家的控制信息作为训练样本,然后利用支持向量机(Support Vector Machine, SVM)对这种关系进行训练学习获得学习控制器。由于不同的训练样本会训练出不同的控制器,我们希望能够对得到的控制器进行一定地分析,从中选取性能较优的控制器。利用SVM训练得到的控制器是一个典型的非线性系统,我们首先给出了判定该系统在扰动下是否稳定的充要条件。对于局部稳定的系统,吸引域的大小能够反映出系统的抗干扰的能力。本文采用Sum of Squares (SOS)方法估计其吸引域。针对利用SOS方法估计吸引域中遇到的双线性问题,本文提出了两种迭代的求解算法并用实例验证了算法的正确性。为了验证前面提出的控制方法和稳定性分析方法,我们将这些方法应用于实际的系统独轮机器人Gyrover中,来实现对独轮机器人的自动平衡控制。通过采集人类专家控制Gyrover保持平衡时的实时数据,训练得到控制器。实验仿真结果验证了学习人类专家策略方法的有效性。我们对训练出的控制器进行了吸引域分析,仿真结果显示吸引域越大的系统抗干扰性能越强。