倒立摆是机器人技术、智能控制、计算机控制等领域和技术的有机结合,它的被控系统是一个绝对不稳定、高阶次、多变量、强耦合和强鲁棒性的非线性系统。在控制过程中,倒立摆系统能够有效反映控制中的许多问题,诸如非线性问题、鲁棒性问题、随动问题、镇定问题以及跟踪问题等,所以可将倒立摆系统作为一个被控系统用于验证某一理论的正确性及实际应用中的可行性。本文主要采用模糊控制、自适应神经网络模糊控制和变结构控制等方法针对倒立摆系统进行控制器的设计。首先,介绍了倒立摆系统的控制规律和运动模态,在此基础上建立了它的数学模型。对数学模型在平衡点附近对系统进行了线性化处理,得到了系统的线性化模型,并对系统的稳定性和能控性进行了分析。在利用模糊控制理论对倒立摆系统进行稳定控制时,往往会出现规则爆炸的问题,故在本文中提出了融合函数的概念,利用这个函数可以大大简化模糊控制器的复杂程度。此外,还提出了一种新的智能控制方法,这种控制方法将最优控制、模糊控制、神经网络和自适应方法充分结合在一起。首先利用最优控制对倒立摆系统的多个输入变量进行综合,减小输入变量的个数;再采用BP算法与梯度下降法结合的混合算法利用已经获得的客观输入输出数据组对模糊控制器的隶属函数形状和控制规则进行修正,提出一种基于自适应神经网络的模糊推理系统来对倒立摆系统进行建模和仿真。仿真结果表明,基于这种方法的倒立摆控制系统具有很好的鲁棒性,它的控制效果优于一般的模糊控制器。针对直线二级倒立摆系统具有非线性特性采用了滑模变结构控制方法。对滑动模态存在条件、到达条件进行了分析,并利用最终滑动模态最优控制的方法设计切换面和控制律,仿真结果表明滑模变结构控制方法能够使倒立摆系统达到满意的稳定效果。