倒立摆可以将控制系统的稳定性、可控性、系统收敛速度和系统抗干扰能力直观地表现出来,是检验多种控制理论的理想平台。倒立摆系统的非线性、强耦合、多变量和自然不稳定等特性吸引了许多现代控制理论研究人员,尤其是旋转倒立摆,吸引了众多的研究人员。迄今为止,研究人员从倒立摆研究中发掘出来的控制方法,在军工、航天科技、机器人领域和一般工业过程中都有着广泛的应用。本文以旋转二级倒立摆实验平台为研究对象,采用Lagrange方程建立了倒立摆系统的数学模型,大大简化了建模的过程。在已建立的旋转倒立摆系统数学模型的基础上,以神经网络作为预测模型,根据预测控制的三大机理论述了基于神经网络的预测控制算法。针对算法中难以求得滚动优化性能指标的全局最优解,将预测模型在工作点附近线性化得到对象的瞬时模型,再利用广义预测控制算法求得近似解,然后以其为初值进行寻优获得全局最优解,提高了算法的性能,并且通过二级倒立摆的仿真验证了算法的可靠性。最后,针对旋转二级倒立摆受到的未知有界持续扰动,提出了一种约束非线性H∞鲁棒预测控制策略。先对离散系统进行输入状态稳定性分析,再设计预测控制的控制律,并给出相应终端约束集的估计解法。进一步得到预测控制闭环系统的鲁棒稳定性结论。最后通过仿真验证了该策略的有效性。