针对离散时间控制系统,分别研究了三种不同的基于支持向量机的滑模控制方法。利用支持向量机在线调整系统参数、确定滑模控制中不确定项的上确界,削弱滑模控制本身带来的高频系统抖振,改善系统的控制品质。最后仿真研究结果表明方法的正确性和有效性。首先,研究了一种基于支持向量机和微粒群算法的滑模控制方法。利用支持向量机的强泛化能力对滑模趋近律参数在线调整,克服常规滑模控制中需预先设定趋近律参数的限制,改善系统控制品质。同时引入微粒群算法,解决支持向量机计算量大的缺点,加快响应速度,削弱系统的抖振。然后,研究了一种基于支持向量机的全程滑模控制方法。滑模控制虽具有很强的鲁棒性,但在趋近段不具有滑模特性,设计全程滑模控制器,利用微粒群算法和支持向量机在线调整全程滑模因子和滑模趋近律中的参数,消除系统滑模控制的趋近段,使系统轨线一开始就进入滑模面,克服未知参数摄动和外界干扰的影响,使系统的整个运动过程均具有强鲁棒性,提高了系统的控制性能。最后,针对一类不确定离散控制系统,引入基于支持向量机对上界自适应学习。该方法将系统中不确定性因素分离出来,组成不确定量的联合上界,采用支持向量机对未知上界自学习,解决实际应用中不确定项的上界测量困难问题,该方法可降低一般滑模控制的条件,在保持滑模控制系统强鲁棒性的同时,削弱系统抖振。