直线倒立摆具有多个输入输出控制量、严重非线性、不稳定等特点，它是研究能量控制、平衡性控制等控制理论和开展各种控制实验的理想平台，在航天、机器人等领域中有着广泛的用途。目前，有关直线倒立摆的研究主要集中于自起摆控制与稳摆控制领域，在起摆控制方面，由于系统本体的条件限制，采用原始的能量法实现快速摇起控制的成功率一般较差；而在稳定控制方面，研究成果大多是从理论角度并采用单一智能控制算法实现，各种智能控制方法之间及与传统PID等算法相结合的研究还很少见。针对上述问题，本文基于模糊、神经网络等混合智能控制方法，在直线一级、二级倒立摆的起摆和稳摆控制的理论和实验方面进行了深入的研究，具体内容为：首先，分别采用牛顿-欧拉方法和拉格朗日方法建立直线一级、二级倒立摆的数学模型，推导各自的状态方程，并分析了两种倒立摆系统的可控性、可观测性和稳定性；其次，设计一种基于Lyapunov能量反馈的优化起摆控制策略，实现了直线一级倒立摆系统快速起摆的实时控制，进而在综合考虑摆杆切换角度、稳摆角度范围和小车偏移量等因素的情况下，设计切换控制策略，从实验角度实现了直线一级倒立摆起摆控制到稳定控制的平稳过渡；再次，根据智能控制方法不基于被控对象精确数学模型的特点，利用神经网络的自组织、自适应和自学习能力，采用小车跟踪方波信号获取样本数据，提出了BP、RBF、ANFIS、KOHONEN等神经网络与PID控制相结合的直线一级倒立摆系统的稳摆控制策略，并完成了相应的仿真和实验研究；最后，分别采用LQR算法和BP、RBF、ANFIS、KOHONEN等神经网络实现二级倒立摆稳摆控制器的设计，并对各控制方法进行仿真和实验研究，分析结果表明，优化后的起摆控制算法显著提高摆杆摆起速度，说明所提控制算法的可行性和有效性。