倒立摆系统本身作为一个不稳定、强耦合、多变量的非线性系统，在控制学科领域中，是一种常见的典型实验装置，同时也是对于各种控制算法进行实验验证的最理想模型。在控制学科领域中，系统的稳定性、鲁棒性、能控能观性以及系统的抗干扰能力等，都能通过对倒立摆系统的稳定控制实验结果直观的表现出来。它不仅具有很强的理论研究意义，还具有深远的工程实践意义。在日常生活中所见到的重心在上、支点在下的系统稳定控制问题，都与倒立摆系统有着高度的相似性。目前由倒立摆稳定控制所得到的科学结论在实际控制系统中已经得到了广泛的应用。　　本论文主要研究工作如下：　　第一部分阐述了倒立摆系统的国内外研究现状，总结了倒立摆系统常见的控制方法，大致提出了本论文的书写安排。　　第二部分使用拉格朗日方程分别建立了直线一、二、三级倒立摆的模型，对该非线性模型在平衡点附近进行了线性化处理，并在平衡点附近分析了倒立摆系统的能观能控性。基于RBF神经网络基本理论，采用最近聚类学习算法选取RBF基函数的中心，通过训练样本数据，建立了直线二级倒立摆系统的非线性模型，通过MATLAB仿真验证了倒立摆系统RBF神经网络模型的有效性。　　第三部分基于BP神经网络算法，将实验室获取的直线一、二级倒立摆系统的实时控制数据作为样本数据，训练出直线一、二级倒立摆系统的BP神经网络控制器，并且对于直线二级倒立摆系统的BP神经网络控制器参数利用QPSO算法进行了优化，通过MATLAB仿真验证了BP神经网络算法对直线倒立摆系统稳定控制的有效性。　　第四部分在MATLAB/Simulink实时环境中编写控制程序，实现了对直线一、二级倒立摆的实物控制，完成了相关实验的对比，验证了论文中设计的BP控制器的有效性。