倒立摆系统是控制学中的一个典型模型。由于它本身所具有的不稳定、非线性、多变量、强耦合等特性,在其控制过程中能有效反映控制中的许多关键问题,如非线性问题和鲁棒性问题。实验室中通常运用倒立摆系统来检验某种新的控制理论以及控制方法的有效性。又由于倒立摆系统的控制研究和机器人等一些工程控制也有很好的相似性,所以对于倒立摆系统新的控制方法的研究对于工程控制也有着很好的指导意义。本文运用Backstepping方法结合RBF神经网络(Radial Basis Function Neural Network, RBFNN)设计的RBF神经网络控制器在直线倒立摆系统中的控制研究。Backstepping方法可以将复杂的非线性系统分解成几个低阶次子系统,然后为这每个子系统设计部分的Lyapunov函数以及中间虚拟的控制量,采用非线性系统的逆推设计方法,来完成对控制器的设计。本文主要的研究工作如下:1.对倒立摆系统进行讨论分析,分别利用牛顿力学和拉格朗日方法建立它们的数学模型,进而推导出状态方程。2.在讨论Backstepping方法和RBF神经网络的基础上,形成了Backstepping方法和RBF神经网络相结合神经网络控制器,对直线倒立摆系统进行应用控制研究,结果证明了此方法的有效性。3.根据上面介绍的内容,在MATLAB中利用Simulink工具箱搭建RBF神经网络控制器模块,对于直线倒立摆系统进行仿真研究。实验结果表明:利用Backstepping方法结合RBF神经网络在倒立摆系统中的控制研究的方法是积极有效的。