倒立摆系统具有非线性、高阶次、不稳定、多变量和强耦合特性，所以它为从事现代控制理论的研究人员提供了一个平台，使之可以在同一基准和同一框架下，对不同的控制理论方法进行比较。同时，由于倒立摆系统控制与火箭和飞行器控制等的相似性，对其进行控制所采用的控制算法以及得出的结论对其它工程控制问题具有一定指导意义。本课题以直线二级倒立摆为控制对象，对人工神经网络控制及遗传算法进行了研究。　　论文首先研究了直线一级倒立摆及直线二级倒立摆的结构，分别采用牛顿-欧拉法及拉格朗日法建立了其数学模型。　　其次，研究了人工神经网络的原理，探讨了BP算法的权值修正方法，以及BP算法在学习中存在的问题。设计了针对直线二级倒立摆的BP神经网络控制器，并分析了该控制器的控制效果。　　然后，研究了遗传算法的基本原理，并通过遗传算法在直线一级倒立摆的PID参数寻优，分析了遗传算法在解决优化问题上的可行性。　　最后，设计了基于遗传算法的BP神经网络控制器。并对这种控制器进行了鲁棒性研究，研究结果表明本文设计的基于遗传算法的神经网络控制器能够用于非线性系统的控制。