کنترل تعادل یکی از اساسی ترین سیستم های حسی حرکتی بدن برای داشتن زندگی با کیفیت است.ضعف تعادل و کنترل پوسچر می تواند در عملکرد روزانه مانند راه رفتن ، دویدن ، خزیدن ، ورزش کردن ، ایستادن و .... تاثیر گذار باشد. سیستم کنترل تعادل یک سیستم چند حسی است که دارای عوامل موثر بسیار می باشد. همچنین مطالعات انجام گرفته در زمینه کنترل تعادل هر کدام به بررسی جزئی از سیستم و یا پاسخ به سوال و موضوع مشخصی در این زمینه پرداخته اند. مدلسازی های انجام گرفته در زمینه کنترل پوسچر بر اساس مدل پاندول معکوس و پارامترهای مطرح در مطالعه مورد نظر طراحی شده اند. در این پژوهش هدف ارائه ی یک سیستم دسته بندی هوشمند داده های سری زمانی کنترل تعادل است. این سیستم هوشمند بر اساس پارامترهایی که با بررسی کلی مطالعات موجود در زمینه کنترل تعادل جمع آوری شده اند طراحی شده و قابلیت دسته بندی هوشمند با استفاده از پارمترهای انتخابی کاربر را ارائه می دهد. ویژگی های مورد استفاده در طراحی سیستم شامل مقدار ماکزیمم و مینیمم ، زمان ماکزیمم و مینیمم ،تعداد قله ها ، پولاریتی ، انتگرال ناحیه ی مثبت و منفی ، مدت زمان ، زمان سکون و میانگین است. همچنین جهت ارزیابی و بررسی نتایج سیستم طراحی شده سه پایگاه داده کنترل پوسچر ، راه رفتن و مفاصل دست مورد استفاده قرار گرفت. در سیستم دسته بندی از الگوریتم معتبر خوشه بندی فازی fcm استفاده شده است. جهت ارزیابی اعتبار و دقت سیستم طراحی شده از روش روایی همزمان و پایایی بازآزمایی استفاده شد. در بررسی نتایج به شیوه ی روایی همزمان آزمون هایی طراحی شده و ویژگی های مورد استفاده در آزمون به طور مشترک به سیستم طراحی شده و الگوریتم های خوشه بندی شبکه عصبی و سلسله مراتبی داده شد. در نهایت میزان مطابقت نتایج خروجی حاصل از اعمال روش ها بر روی این ویژگی های مشترک محاسبه گردید. دامنه ی میزان مطابقت نتایج که نشان دهنده ی میزان اعتبار نتایج سیستم طراحی شده با الگوریتم های خوشه بندی معتبر دیگر است ،در محدوده ی 80- 99 درصد قرار گرفت. این دامنه حاکی از اعتبار نتایج حاصل از این سیستم می باشد. علاوه بر این جهت بررسی میزان دقت و پایایی سیستم با استفاده از روش پایایی بازآزمایی یک مجموعه داده ای با سه توزیع تصادفی مختلف به سیستم داده شد و ضریب همبستگی بین ویژگی های خوشه های حاصل از سه بار اجرای سیستم مورد محاسبه قرار گرفت. میزان پایای به دست آمده از این محاسبات در دامنه ی 0.85 - 1 قرار گرفت که نشان دهنده دقت بالای سیستم طراحی شده می باشد.همچنین میانگین درجه عضویت نتایج خروجی در این آزمون ها محاسبه شد که در دامنه ی 0.62 – 0.97 درصد بود . درصد بالا در مقدار میانگین درجه عضویت حاکی از قابلیت بالای متمایزکنندگی ویژگی های جمع آوری شده در این سیستم است.