本文概述了智能滑模变结构控制的研究现状,并在此基础上针对一类非线性系统,研究了滑模控制与模糊控制、神经网络、量子遗传算法相结合的控制策略。首先,针对模糊滑模控制中控制规则难以确定的问题,采用量子遗传算法,优化模糊控制规则,改善控制器的控制性能。其次,针对滑模控制中参数摄动和外部干扰上确界的确定问题,把模糊自适应控制和滑模控制相结合,以全局滑模变量作为模糊滑模控制器的输入,通过模糊推理,根据Lyapunov函数的稳定性分析,得出模糊单点输出间距的自适应律,设计了一个全局模糊滑模自适应控制器。此外,提出一种基于模糊神经网络的滑模控制的设计方案。根据滑模控制原理,采用单神经元结构设计了全局积分滑模面,把神经元输出作为切换控制,通过模糊神经网络逼近等效控制,削弱了系统的抖振,增强了系统的鲁棒性。并在倒立摆实验装置上对该方案进行了验证,取得了较好的控制效果。仿真和实验结果证明了上述方法的有效性。