本文研究的主要内容是自适应逆控制的两大难题即动态系统可逆性和逆建模问题。自适应逆控制的基本思想就是用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,这种系统可以跟踪参考输入,反馈在自适应过程本身采用,但并不控制系统的信号流动,从而在避免反馈可能引起的不稳定问题的前提下使控制系统的动态性能得到改善。要使用自适应逆控制方法,得到对象的精确的逆模型是关键,然而在对象逆建模之前,首先要判断对象是否可逆。根据线性和非线性系统的普遍采用的自适应逆控制的结构,分别对其可逆性判断方法进行了综述总结,给出了判断可逆性最常用的几种方法,为动态系统逆建模提供了依据。对现有的线性系统和非线性系统的逆建模方法进行了总结。对于线性系统和非线性系统,支持向量机方法可以逼近任意函数,所以在系统建模和逆模型辨识中得到了广泛的应用。但因支持向量机核函数的选择存在不确定性,及其对孤立点和扰动的处理存在缺陷,本文提出了一种基于模糊核函数的模糊最小二乘支持向量机方法(FLS-SVM),使得逆模型辨识更加精确,且具有很好的推广性,仿真结果证明了此种算法的优越性。以多线切割机为研究对象,采用支持向量机的自适应逆控制方法,对多线切割机系统进行逆控制,以主电机为参考模型,使用FLS-SVM算法对放线电机进行逆模型辨识作为控制器,则其和被控对象的串联后的系统与参考模型具有相似的静、动态特性,使得放线电机和主电机的速度同步,增强了系统的鲁棒性。仿真结果验证了此种方法的正确性和推广性。