本质不稳定两轮车是一种特殊轮式移动机器人,其动力学方程是一多变量、严重不稳定、耦合、时变、参数不确定的非线性高阶方程,加上运动学方程中的非完整性约束,要求完成的控制任务也具有多重性。因此这类系统对控制理论提出了很大的挑战,是检验各种控制方法处理能力的典型装置。两轮车作为一种研究装置,可在上面进行不确定性系统控制、非线性系统控制、自适应控制、智能控制等研究。而且两轮自平衡小车也是一种便利的交通工具,具有较强的实用价值。作为一个复杂的非线性系统,传统的控制方法对本质不稳定两轮小车的平衡控制已经得不到一个很好的控制效果,因此本文第一部分总结了模糊控制、神经网络控制及模糊神经网络的研究现状,提出了一种以智能控制理论为基础的控制策略。第二部分首先给出了本质不稳定两轮小车的系统结构和非线性数学模型,并对其在零点进行了线性化得到线性模型。在对其稳定性和能控性进行了分析之后,设计了系统在线性化范围内的状态反馈控制器。第三部分先在零点和其附近对称的两点分别设计的状态反馈控制器控制小车的非线性模型,取得自适应神经-模糊推理系统所需学习数据,并以通过神经网络学习得出的模糊控制器来控制小车的平衡。然而自适应神经模糊推理系统得出的模糊逻辑在短期内是静态的,为了使控制器具有动态性,引进了动态模糊控制器,将其应用到两轮不平衡小车上的平衡控制上。最后利用MATLAB分别仿真了三个控制系统,比较了三者在控制两轮平衡小车时的性能,结果表明动态模糊控制器的总体性能最好,模糊神经自适应控制器次之,但都明显优于状态反馈控制器。