1.一种非线性球杆系统有限时间稳定的控制方法，其特征在于，包括步骤：确定非线性球杆系统的状态变量模型及状态变量误差模型；所述状态变量模型包括第一状态变量和第二状态变量；所述状态变量误差模型包括第一状态变量误差和第二状态变量误差；

选取第一Lyapunov函数，并根据所述第一Lyapunov函数、所述状态变量模型及所述状态变量误差模型确定虚拟控制量；

选取第二Lyapunov函数，并根据所述第二Lyapunov函数确定控制律；其中，当非线性球杆系统的扰动已知，系统方程描述如下：其中，x1、x2状态变量，f(t)为可测扰动，A为可测常量；

误差状态变量如下：

其中，z1为x1状态变量的实际与理想差值，z2为x2状态变量的实际与理想差值，x1、x2为状态变量，x1d为期望输出、α为虚拟控制量；

选取第一Lyapunov函数如下：其中，c1＞0，0.5＜β1＜1；

控制律u为：

其中，c2＞0，0＜β2＜1；

当非线性球杆系统的扰动未知，系统方程描述如下：其中，x1、x2为状态变量，f(t)为未知扰动，A为可测常量；

基于RBF神经网络逼近的自适应反演控制器的设计，定义如下公式：T

其中，θ为权值向量，φ(x)为高斯函数， 为权值估计向量， 为扰动估计，ε为网络逼近误差；

定义如下公式：

式中，ε为网络逼近误差，D为ε的上确界；

定义跟踪误差如下：

选取第一Lyapunov函数为：式中，rθ,rD为常数，且均大于0，D为ε的上确界，ε为网络逼近误差；

令虚拟控制量α为：

设计第二Lyapunov函数为：控制律u和自适应律为：

其中，c1,c2＞0，0.5＜β1＜1，0.5＜β2＜1，rθ,rD＞0，A＝‑1.853。

2.一种非线性球杆系统有限时间稳定的控制系统，其特征在于，包括：第一模块，用于确定非线性球杆系统的状态变量模型及状态变量误差模型；所述状态变量模型包括第一状态变量和第二状态变量；所述状态变量误差模型包括第一状态变量误差和第二状态变量误差；

第二模块，用于选取第一Lyapunov函数，并根据所述第一Lyapunov函数、所述状态变量模型及所述状态变量误差模型确定虚拟控制量；

第三模块，用于选取第二Lyapunov函数，并根据所述第二Lyapunov函数确定控制律；；

其中，

当非线性球杆系统的扰动已知，系统方程描述如下：其中，x1、x2状态变量，f(t)为可测扰动，A为可测常量；

误差状态变量如下：

其中，z1为x1状态变量的实际与理想差值，z2为x2状态变量的实际与理想差值，x1、x2为状态变量，x1d为期望输出、α为虚拟控制量；

选取第一Lyapunov函数如下：其中，c1＞0，0.5＜β1＜1；

控制律u为：

其中，c2＞0，0＜β2＜1；

当非线性球杆系统的扰动未知，系统方程描述如下：其中，x1、x2为状态变量，f(t)为未知扰动，A为可测常量；

基于RBF神经网络逼近的自适应反演控制器的设计，定义如下公式：T

其中，θ为权值向量，φ(x)为高斯函数， 为权值估计向量， 为扰动估计，ε为网络逼近误差；

定义如下公式：

式中，ε为网络逼近误差，D为ε的上确界；

定义跟踪误差如下：

选取第一Lyapunov函数为：式中，rθ,rD为常数，且均大于0，D为ε的上确界，ε为网络逼近误差；

令虚拟控制量α为：

设计第二Lyapunov函数为：控制律u和自适应律为：

其中，c1,c2＞0，0.5＜β1＜1，0.5＜β2＜1，rθ,rD＞0，A＝‑1.853。

3.一种非线性球杆系统有限时间稳定的控制系统，其特征在于，包括：至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1所述的控制方法。

4.一种存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1所述的控制方法。