倒立摆系统是非线性、强耦合、多变量和自然不稳定的系统。在控制过程中,倒立摆系统能有效地反映诸如可镇定性、鲁棒性、随动性以及跟踪等许多控制中的关键问题,是检验各种控制理论的理想模型。其控制方法在军工、航天、机器人领域和一般工业过程中都有着广泛的用途。遗传算法是基于达尔文的进化论和孟德尔的遗传学说的一种全新的随机搜索与优化算法,是具有极高鲁棒性的全局优化方法,在自控领域得到广泛的应用。本文首先阐述了遗传算法和倒立摆控制系统的研究背景和发展现状。随后详细介绍了一级和二级倒立摆控制系统的数学模型(传递函数、状态空间方程)的建立。并利用现代控制理论分析了一、二级倒立摆系统的可控性和可观性。针对倒立摆系统研究了PID、极点配置和线性二次型调节器,并利用MATLAB进行了仿真研究。其次,运用遗传算法分别优化三种控制算法的控制参数。仿真结果表明,基于遗传算法的PID控制效果比经验值要好,但基于遗传算法的极点配置方法和线性二次型最优控制方法的控制效果与经验值相比,没有明显的优势。第三,在分析了遗传算法优缺点的基础上,根据倒立摆控制系统的特点,提出一种新的改进遗传算法。运用改进遗传算法来优化极点配置方法和线性二次型调节器方法的倒立摆控制参数,并取得比较好的仿真效果。论文的最后给出了直线一、二级倒立摆的实物控制实验。在控制过程中,整个系统是在一个小范围内动态稳定的,实现了小车位移和摆杆的稳定控制。通过对实时控制曲线的研究,证明了改进遗传算法的有效性和优越性。仿真和实物实验结果证明,遗传算法和改进遗传算法是获得倒立摆系统控制算法参数的一种有效方法。