倒立摆问题是复杂系统控制中一个经典问题,倒立摆系统是一种非线性、多变量和绝对不稳定的系统。在控制过程中,它能有效地反映诸如可镇定性、鲁棒性、随动性以及跟踪等许多控制中的关键问题,是检验各种控制理论的理想模型。在近代的机械系统控制中,如火箭的发射、人造卫星的运行、机器人的举重及机器人的行走,都存在类似于倒立摆系统稳定控制的相似问题。因此倒立摆的研究不仅有其深刻的理论意义,还有重要的工程意义。强化学习是近年来机器学习和人工智能领域研究的热点之一,并且引起了运筹学、控制理论、机器人学等其他学科研究人员的普遍注意,成为一个多学科交叉的研究方向。强化学习不需要教师信号,它强调在与环境的交互中学习,以极大(或极小)化从环境获得的评价性反馈信号为学习目标。本课题以研究运动平衡控制技能的认知为出发点,以强化学习为研究对象,以倒立摆系统为实验模型,通过智能体对倒立摆的平衡控制研究,使智能系统具有学习能力,能在系统运行过程中逐步获取新信息,具有类似人类和动物的运动控制技能。本课题在强化学习和动态规划算法的基础上,提出了一种基于双BP网络的强化学习系统。该强化学习系统在没有先验知识的条件下,智能体通过自身神经网络的在线学习,认知倒立摆系统的平衡控制技能,最终能有效地控制不稳定的倒立摆系统。通过不同条件的实验仿真,证明了提出的强化学习系统在学习过程中有认知倒立摆系统的平衡控制技能的能力。