自适应逆控制提出二十年来已经取得了很大进展，它用被控对象传递函数的逆作为串联控制器来对系统的动态特性作开环控制，从而避免了因反馈引起的不稳定性问题，同时又能将系统动态特性的控制与对象扰动的控制分开处理而互不影响，具有很大的优越性。目前对线性系统的自适应逆控制的研究较多，但由于发展时间较短，仍存在很多问题；非线性系统的自适应逆控制研究较少，尚待进一步深入探讨。本文进一步研究了自适应逆控制策略，依次讨论了：(ⅰ)变学习率的线性LMS自适应逆控制；(ⅱ)执行器输入幅值饱和受限的线性自适应逆控制；(ⅲ)基于变学习率神经网络BP算法的非线性自适应逆控制及其在感应电机控制中的应用。本文的主要工作如下：◆构造价值函数，按梯度下降原则求取自适应权值更新律，获得了变学习率的LMS算法，它的常数选择范围较原来的固定学习率的LMS算法更广，由于学习率可随输入信号的平滑程度不同而自适应调整大小，因此整体收敛速度加快，且对输入信号中的扰动具有一定的鲁棒性。◆针对控制中常见的执行器幅值饱和问题，调整自适应逆控制的基本结构，即在求最优控制器的过程中考虑饱和器的限制，然后按照新的结构图调整自适应律，得到一个既满足执行器饱和要求又能最大程度上实现控制目标的控制器，在这两个条件下，该控制器是最优的。◆在对线性系统自适应逆控制的基本策略研究以后，考虑将其扩展到非线性系统，并应用于感应电机的控制。由于感应电机的非线性、多变量特性，我们引入神经网络结构，用神经网络构建对象模型和逆模型。为了改善神经网络训练慢的缺点，将神经网络反向传播(BP)算法加以改进，即代之以变学习率的BP算法，得到良好的控制效果。◆利用MATLAB软件进行仿真研究，验证了本文所提控制策略的有效性。