最近十几年来，在复杂和未知环境中关于复杂动态的物理系统的控制器设计与研究越来越受到重视，面临着越来越大的困难与挑战，同时也取得了不少最新的研究成果。通过人类示教的学习人类策略控制方法是其中一种有效的控制方法，也变得越来越流行。然而大多数控制器的设计无法保证在实际的物理系统中使用过程中能保持稳定。所以如果能够提出一种有效的方法对模型进行稳定性分析并从中选出收敛域区间足够大的控制器，将会大大提高控制器设计的研究工作。　　本文因此提出了一种基于学习人类策略的控制方法，通过人类示教过程进行数据的采集作为训练数据集，然后利用多项式核函数的支持向量机进行系统的建模分析进而初步得到控制器。通过采集不同的训练样本可以得到不同的控制器，我们通过李雅普诺夫稳定性理论，对系统进行稳定性分析，从中筛选出满足稳定性条件的模型。然后利用切比雪夫点的方法对系统进行收敛域估计，从中选出收敛域区间最大的控制器作为最终的控制器。　　为了验证上述提出的人类策略控制方法的有效性，本文搭建了两轮自平衡小车（一个动态平衡，静态不平衡的物理平台）。我们将上述理论分析得到的控制器应用在平衡小车中，实验结果显示小车可以很好的自平衡，进而验证了本文提出的基于学习人类策略的控制方法的有效性。