对于复杂的非线性系统,逆系统方法能够起到反馈线性化和多变量解耦的作用,其思路简单易于理解。但是要想得到逆系统的解析实现形式,不仅要依赖于精确的数学模型的解析表达式,还要依赖具体的系统参数,而在具体情况中,许多被控系统耦合性很强,具有很强的非线性特征,难以用精确的解析表达式表示出来,只能用近似的模型来代替。而要创建它的精确数学模型并求解逆系统解析表达式,必须利用许多求解技巧,但有时仍然难以实现,而且许多非线性被控系统的内部状态与具体参数是部分可测的,甚至有时是难以获取的。另外,在实际过程中系统参数还要受到周围环境变化的影响,这样会引起很大的波动,致使得到的逆系统不能完全确定。由于神经网络具有多输入多输出的特点,且具有自学习能力,能够以任意精度逼近复杂非线性函数,因此,引入神经网络来创建非解析实现形式的逆系统,方法十分有效。双馈电机是一个多变量、非线性、强耦合的系统,本文在双馈电机矢量控制的基础上,提出了采用神经网络逆系统的控制策略来控制双馈电机,给出了双馈电机在定子磁链定向时MT轴坐标系下的数学模型,并得到了双馈电机的状态方程表达式,运用Interactor算法证实了系统的可逆性。用MATLAB软件构造出了双馈电机神经网络逆模型,加上积分器后与原系统串接构成伪线性复合系统,通过仿真给出了转速和磁链解耦波形,仿真结果表明神经网络逆系统控制策略应用在双馈电机上是可行的。