由B.Widrow教授提出的自适应逆控制方法经过十多年的发展,已经取得了很多成果。然而,目前针对自适应逆控制的研究,还主要以线性系统为主,针对非线性系统的研究成果还不多见,迫切需要研究者对非线性系统的自适应逆控制加以研究。当前神经网络、模糊和神经—模糊融合理论系统等的迅猛发展,给各种非线性系统的研究提供了有力的工具,本课题主要研究利用神经网络实现非线性自适应逆控制的问题,具体工作如下:首先,针对多层前向网络作为逆控制器学习收敛速度慢,易陷入局部极小的问题,研究了基于正交神经网络的直接非线性自适应逆控制,通过修改网络隐层S函数的倾斜度,加快了神经网络的学习过程,并设计了无刷直流电机直接自适应逆控制系统,实现了高性能速度控制。其次,论文研究了基于模糊RBF神经网络的系统建模、逆建模方法,并且针对热工系统纯延迟对象,设计了相应的模型参考自适应逆控制系统。被控对象能快速跟踪参考模型的输出,有效的克服扰动,适应环境及参数的变化。再次,由于动态递归神经网络相比与静态神经网络的优越性,论文讨论了输出—输入反馈Elman网络应用于非线性自适应逆控制的可行性,并设计了隐层为径向基函数的Elman网络自适应逆控制系统。针对不同的非线性对象,研究了直接逆控制及存在扰动情况下的自适应扰动消除问题。最后,针对船舶可调螺距螺旋桨控制系统中,传统PID抗干扰能力差、难以获得最佳整定效果的缺点,论文研究了基于遗传优化的非线性PID方法进行控制,引入遗传算法对系统控制器各部分参数进行优化,取得了满意的效果。