该论文基于模糊逻辑与神经网络等智能控制理论,对实验室从英国Feedback公司购置的数字式倒立摆装置进行仿真和实时控制研究.该论文的主要工作包括:分别基于SIMULNK和神经网络理论建立了倒立摆系统的模型,前者基于倒立摆系统的数学模型,后者基于倒立摆系统的输入输出样本数据,都能很好地模拟真实系统行为;分别基于神经网络和模糊逻辑理论设计了两种智能控制器,用于倒立摆系统的自垂直(Self-erecting)控制模式.其中,神经网络控制器通过学习倒立摆系统的行为,取撂了较好的控制效果;而基于模糊逻辑的控制算法采用线性二次型调节器(Linearquadraticregulator)控制倒立摆的稳定,又采用模糊逻辑理论控制倒立摆的摆动;该方法可以大大减少模糊规则数,解决维数灾(Dimensiondisaster)问题,同时还具有较强的抗干扰能力和自适应性;将模糊逻辑与PID技术相结合,提出了一种直接控制量型模糊PID控制器,并将其成功地运用于倒立摆系统的起重(CRANE)控制模式.由于模糊控制器的引入,使得控制算法在PID控制的基础上还具有更好的非线性特性和解决模型不确定性的能力;该控制算法的仿真结果也表明,当给系统加入较大的脉冲扰动或者改变系统模型参数时,该控制器均仍然能很好地完成控制任务;将神经网络与PID技术相结合,提出了一种新型的神经元PID控制器.它采用带动量项的BP算法在线调整PID控制器参数,使得算法的收敛速度和稳定性大大提高,并具有较好的泛化能力.最后,该论文设计了倒立摆系统计算机实时控制的模块化结构,建立了倒立摆系统计算机实时控制的一般性方法,并对倒立摆系统分别进行了神经网络和神经元PID的实时控制化实现,取得良好的实时控制效果.