倒立摆系统是一种多变量,非线性,强耦合和快速运动的自然不稳定系统,在军工、航天、机器人等工业领域应用广泛。因此对倒立摆控制算法的研究具有重要的理论意义和工业应用价值。本文以倒立摆系统为对象,针对倒立摆控制系统存在的控制复杂性和控制目标的多样性,将智能控制中的一些方法引入到预测控制。本文首先回顾了倒立摆系统国内外研究现状,主要控制算法以及对智能预测控制的发展概况,对课题研究目的与意义做了简单阐述,指出本文所做的主要工作。其次,介绍了倒立摆系统工作原理,设计了基于DSP倒立摆系统的硬件电路,以二级倒立摆系统为研究对象,重点分析了Lagrang方程对系统建立数学建模。利用极点配置、LQR状态反馈控制对倒立摆进行控制仿真,指出了以上控制算法存在的弊端。再次,针对BP神经网络和广义预测控制算法,进行了深入学习和研究,并指出了BP算法的弊端,对其进行了改进。然后提出了BP神经网络预测控制算法,建立了BP神经网络预测模型。仿真结果表明效果良好。最后,将BP神经网络预测控制算法应用到二级倒立摆系统,利用前向神经网络建立非线性被控对象的模型,以滚动优化、反馈校正实现对系统的控制,对摆角和位移实现了同时控制。仿真结果表明,该算法可避免对受控对象做复杂的数学分析,具有收敛速度快,鲁棒性强的特点。