倒立摆是一个典型的非线性、多变量、高阶次、强耦合、快速和自然不稳定的动态系统,本身含有极其丰富和复杂的动力学行为,是研究各种控制理论和方法的理想对象及典型实验装置。本文以二级倒立摆为研究对象,采用了多种模糊控制方法来解决常规模糊控制器控制性能与规则数之间的矛盾,以期实现二级倒立摆的有效控制。论文首先论述了模糊控制的基本原理、特点和发展概况,综述了倒立摆控制发展历程和研究现状;介绍了倒立摆系统的结构及工作机理,基于Lagrange方程建立了二级倒立摆的非线性模型,并对其进行线性化及稳定性、能控性、能观性分析。其次,对现代控制理论、模糊控制、神经网络以及它们之间的互相结合作了较为系统的论述,研究了多种模糊控制方法。基于信息融合技术的模糊控制策略结合线性系统理论中的状态反馈控制方法和信息融合技术,通过设计融合函数降低模糊控制器的输入变量维数,较好地解决了“规则爆炸”问题;基于T-S模型的逐级模糊控制策略结合T-S模糊推理模型和逐级控制思想,选取有效模糊规则,简化多输入情况下的模糊控制器设计;基于自适应神经网络的模糊控制策略利用神经网络的学习能力训练模糊控制器的隶属度函数及其它参数,基于自适应神经网络的模糊推理系统ANFIS来对倒立摆系统进行建模和控制。最后,在Matlab/Simulink环境下对二级倒立摆进行了大量的仿真研究工作,比较了各种方法的控制效果。结果表明,本文所给出的几种模糊控制策略较好地解决了规则爆炸问题及简化了控制器的设计,取得了较好的控制效果。