1.一种考虑状态约束和控制增益的倒立摆系统控制方法，其特征在于，包括：构建倒立摆系统的非线性模型，并将倒立摆系统的相关状态约束引入所述非线性模型；

根据倒立摆系统控制目标以及倒立摆系统的结构，确定所述倒立摆系统的系统误差函数以及BLF函数；

采用具有自适应律的径向基神经网络对所述倒立摆系统中的完全未知非线性函数进行逼近；并基于特定增益抑制不等式对所述系统误差函数进而优化求解，构建最优倒立摆系统控制器；

基于所述最优倒立摆系统控制器，实现对所述倒立摆系统指定性能的自适应跟踪控制。

2.如权利要求1所述的一种考虑状态约束和控制增益的倒立摆系统控制方法，其特征在于，所述具有自适应律的径向基神经网络，具体表示如下：其中，W为理想加权向量，S为高斯函数，所述自适应律 与RBF神经网络的加权向量的关系为

3.如权利要求2所述的一种考虑状态约束和控制增益的倒立摆系统控制方法，其特征在于，根据所述径向基神经网络的基向量来确定最优的自适应律，通过不断迭代调节所述自适应律的参数使倒立摆系统误差函数逼近到零。

4.如权利要求1所述的一种考虑状态约束和控制增益的倒立摆系统控制方法，其特征在于，所述自适应反步算法具体为：基于确定好的所述倒立摆系统的系统误差函数以及BLF函数，以最小化系统误差函数为目的，运用反步法逐步对所述控制器和自适应律进行调整，使得倒立摆系统趋于最优状态。

5.如权利要求1所述的一种考虑状态约束和控制增益的倒立摆系统控制方法，其特征在于，所述特定增益抑制不等式具体为：其中，t∈[0,tw),vj(t),j＝1,2,...,n是一个光滑的函数，tw为大于零的时间值，vj即所述的自适应律函数，Z(t)是一个光滑的函数,即确定好的BLF函数，由于需要对其进行微分，故需要所述BLF函数为光滑函数；LZ(t)为确定好的BLF函数的微分形式，其中，ρ,χ表示未知正常数，bj是未知正变量。

6.如权利要求1所述的一种考虑状态约束和控制增益的倒立摆系统控制方法，其特征在于，所述状态约束具体包括：倒立摆系统的每一个输入状态、倒立摆系统的输出以及倒立摆系统所跟的跟踪信号的相关约束。

7.如权利要求1所述的一种考虑状态约束和控制增益的倒立摆系统控制方法，其特征在于，所述倒立摆系统非线性模型，具体表示如下：T

其中，x＝[x1,x2,...,xn]是系统状态，y∈R是系统输出，b是未知控制增益常数，u是控制器的输入，i＝1,2,...,n和 是局部利普希茨参数未知光滑非线性函数，t是时间，w是独立标准布朗运动，

8.一种考虑全状态约束和未知控制增益的倒立摆系统控制系统，其特征在于，包括：模型构建单元，其用于构建倒立摆系统的非线性模型，并将倒立摆系统的相关状态约束引入所述非线性模型；

BLF函数确定单元，其用于根据倒立摆系统控制目标以及倒立摆系统的结构，确定所述倒立摆系统的系统误差函数以及BLF函数；

未知控制增益处理单元，其用于采用具有自适应律的径向基神经网络对所述倒立摆系统中的完全未知非线性函数进行逼近；并基于特定增益抑制不等式对所述系统误差函数进而优化求解，构建最优倒立摆系统控制器；

跟踪控制单元，其用于基于所述最优倒立摆系统控制器，实现对所述倒立摆系统指定性能的自适应跟踪控制。

9.一种控制器，包括存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑7任一项所述的一种考虑全状态约束和未知控制增益的倒立摆系统控制方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑7任一项所述的一种考虑全状态约束和未知控制增益的倒立摆系统控制方法。