本文概述了智能滑模变结构控制的研究现状,并在此基础上针对非线性系统,研究了滑模控制与遗传算法、模糊控制、神经网络相结合的控制策略。首先,采用遗传算法实时在线调整滑模控制参数,构造出最佳切换函数和指数趋近率系数,且用双曲正切函数作为饱和度函数抑制了抖振,使得系统既具有良好的动态性能,又能快速到达切换面,增强了系统的鲁棒性。在倒立摆系统中进行了仿真研究,结果证明了上述方法的有效性。其次,研究了基于遗传算法的终端滑模控制。利用遗传算法选择最优的快速终端滑模参数,保证系统状态变量在有限的时间内快速到达并保持在终端滑模面,又能避免控制中产生奇异情况,在削弱抖振的同时还能保持系统的鲁棒性。该方案在机器人手臂系统中进行了应用,取得了良好的控制效果。此外,提出了一种基于模糊神经网络的终端滑模控制设计方案。根据滑模控制原理,采用模糊神经网络调节滑模控制的切换增益,并利用积分的方法自动对系统的建模误差和干扰的上界进行评估,实现了对建模误差和干扰的自动跟踪,削弱了抖振。对二自由度机器人系统进行了仿真研究,结果表明系统具有良好的动态性能及鲁棒性。