倒立摆系统是一个典型的单输入多输出、非线性、复杂的不稳定系统,对这样一个复杂系统的研究,从理论上将涉及系统控制中的很多关键问题,如非线性问题、鲁棒性问题、镇定问题、随动问题以及跟踪问题等。同时,对倒立摆控制的研究具有重要的工程背景,其控制方法在军工、航天、机器人和一般工业过程领域中都有着广泛的用途。本文以FEEDBACK公司的数字倒立摆为研究对象,进行了多种算法的仿真和实时实验,并得出了相应的结论。基于LQR方法设计了一个状态反馈控制器,对倒立摆系统的线性化模型进行了MATLAB仿真和实时控制,结果表明,该控制器可以使倒立摆的摆杆在竖直向上的小区域内保持稳定。将遗传算法用于整定PID控制器的参数,并对倒立摆的起重机(CRANE)模式进行仿真和实时控制,取得较为满意的控制效果。本文还研究了倒立摆系统的模糊控制,设计了一个基于Mamdani型的模糊推理系统,将小车和摆杆分别建立模糊规则,大大减少了模糊规则数,实验结果表明该控制器不但能使系统稳定,还具有较强的抗扰动能力。采用神经网络模糊控制的思想,本文借助MATLAB模糊工具箱,先产生一个初始的T-S型的模糊推理系统,通过对样本数据的学习,调整各变量的隶属度函数,训练出一个有效的模糊控制器,取得了较好的控制效果。另外,本文借助一个实用的神经网络辨识软件包(nnsysid),对倒立摆进行神经网络辨识,并对各种模型的结构、辨识效果等进行了讨论。结果表明利用输入输出延迟项构成的神经网络结构建立的倒立摆神经网络模型是可行的。