定性系统的动态特性，所有定量或定性的信息都等势分布贮存于网络内的各种神经元，故有很强的鲁棒性和容错性；也可将Q学习算法和BP神经网络有效结合，实现状态未离散化的倒立摆的无模型学习控制。但是神经网络控制方法存在的主要问题是缺乏一种专门适合于控制问题的动态神经网络，而且多层网络的层数、隐层神经元的数量、激发函数类型的选择缺乏指导性原则等。2模糊控制经典的模糊控制器利用模糊集合理论将专家知识或操作人员经验形成的语言规则直接转化为自动控制策略通常是专家模糊规则查询表，其设计不依靠对象精确的数学模型，而是利用其语言知识模型进行设计和修正控制算法。常规的模糊控制器的设计方法有很大的局限性，首先难以建立一组比较完善的多维模糊控制规则，即使能凑成这样一组不完整的粗糙的模糊控制规则，其控制效果也是难以保证的。但是模糊控制结合其他控制方法就可能产生比较理想的效果。3拟人智能控制模糊控制、神经网络控制等智能控制理论的问世，促进了当代自动控制理论的发展，然而，基于这些智能控制理论所设计的系统往往需要庞大的知识库和相应的推理机，不利于实现实时控制。这又阻碍了智能控制理论的发展，因此，又有学者提出了一种新的理论拟人控制理论。拟人智能控制的核心是“广义归约”和“拟人”。“归约”是人工智能中的一种问题求解方法。这种方法是将待求解的复杂问题分解成复杂程度较低的若干问题集合，再将这些集合分解成更简单的集合，依此类推，最终得到一个本原问题集合，即可以直接求解的问题，另一
6
f核心概念是“拟人”，其含义是在控制规律形成过程中直接利用人的控制经验、直觉以及推理分析。
4仿人智能控制仿人智能控制的基本思想是通过对人运动控制的宏观结构和手动控制行为的综合模仿，把人在控制中的“动觉智能”模型化，提出了仿人智能控制方法。研究结果表明，仿人智能控制方法解决复杂、强非线性系统的控制具有很强的实用性。5云模型控制利用云模型实现对倒立摆的控制，用云模型构成语言值，用语言值构成规则，形成一种定性的推理机制。这种拟人控制不要求给出被控对象精确的数学模型，仅仅依据人的经验、感受和逻辑判断，将人用自然语言表达的控制经验，通过语言原子和云模型转换到语言控制规则器中，就能解决非线性问题和不确定性问题。4鲁棒控制方法虽然，目前对倒立摆系统的控制策略有如此之多，而且有许多控制策略都对倒立摆进行了稳定控制，但大多数都没r