倒立摆属于多变量、非线性、不稳定、强耦合的快速系统，它的强非线性导致实现其控制较为困难，因此多年来对它的研究受到控制学界的普遍重视。对倒立摆的研究可归结为对多变量非线性系统的研究，因此其控制方法和思路对处理一般工业过程也具有指导意义。 本文在仔细分析倒立摆现有智能控制方案的情况下，寻找模糊控制和神经网络结合的切入点，采用一种先进的的智能控制策略——基于自适应神经网络的模糊推理系统ANFIS(Adaptive Neural-Based Fuzzy Inference System)来对倒立摆系统进行建模和控制。基本思想是：模糊控制器采用Sugeno模糊模型，易于描述非线性系统的动态特性；基于ANFIS的系统建模不需要进行结构优化，本文采用BP算法与梯度下降法结合的混合算法对Sugeno模糊模型中的前项及后件参数进行优化修正；在己获得的客观输入输出数据对的基础上，本文提出一种新的ANFIS策略对倒立摆系统进行模糊建模，避免了主太原理工大学硕士研究生学位论文观选择隶属函数和模糊规则，划分论域等缺陷;最后基于优化后的Sugeno模糊模型，对倒立摆进行有效的控制。 仿真实验表明，与尸刃和传统模糊控制策略相比，该建模控制策略避免了尸zD控制参数选择困难和常规模糊控制主观设计隶属函数和模糊规则的弊病，控制效果令人满意，为解决未知不确定非线性系统的辨识问题提供了一条新的思路。