二级旋转倒立摆是具有非线性、强耦合性、不稳定性等特征的系统,同时二级旋转倒立摆系统也是许多复杂对象的简化模型,这就使得二级旋转倒立摆成为了热点研究对象。本文对二级旋转倒立摆轨迹跟踪控制问题展开研究,同时针对二级旋转倒立摆的动力学模型,设计了无迹卡尔曼线性二次型最优控制策略、基于神经网络分数阶的滑模控制策略、干扰下模糊切换增益滑模控制策略等,本论文主要工作如下:首先,详细介绍了二级旋转倒立摆系统的结构,并基于组合体惯量法对二级旋转倒立摆进行动力学建模,同时给出二级旋转倒立摆系统的动力学方程,为后续的控制策略研究奠定基础。其次,针对线性二次型最优控制策略控制精度较低、超调量较大等问题对其进行优化,设计了无迹卡尔曼(UKF)线性二次型最优控制策略。从仿真研究分析得出,与常规的线性二次型最优控制策略相比较,所设计的无迹卡尔曼线性二次型最优控制策略使得系统控制精度、超调量、响应时间等性能指标明显改善。再次,针对常规滑模变结构控制算法输出抖振大等问题展开研究,设计基于神经网络分数阶的滑模控制算法(Neural Network Fractional Order Sliding Mode Control,简称NNFO-SMC),通过神经网络优化分数阶的调整参数,达到理想的控制效果。从仿真研究分析得出,所设计的控制算法有效削弱了系统输出抖振,减小了系统超调量,进而缩短了响应时间。最后,考虑系统在干扰、不确定环境下运行,设计了干扰下模糊切换增益滑模控制策略。当外界存在干扰时采用模糊控制算法,根据滑模到达条件对切换增益进行估计,同时利用模糊切换增益和干扰项的线性关系减小干扰、不确定环境对系统的影响。从仿真研究分析得出,所设计的干扰下模糊切换增益滑模控制策略有效的提高了系统的抗干扰能力和跟踪控制精度,同时削弱在干扰、不确定情况下系统的输出抖振现象。