在控制系统和调节器设计中,自适应逆控制采用被控对象传递函数的逆作为串联控制器对系统的动态特性进行开环控制,从而避免了因反馈而可能引起的不稳定问题;同时又能做到对系统动态特性的控制与对象扰动的抑制分开处理而互不影响。目前,对于线性系统的自适应逆控制,主要采用线性滤波方法;对于非线性系统而言,一般采用神经网络控制。神经网络具有大规模并行性、处理非线性和不确定性问题的能力,可以处理难于用模型或规则描述的过程和系统,基于神经网络的逆控制系统设计方法得到了进一步发展。 本论文是作者在参加河南省自然科学基金《基于Delta算子的自适应逆控制系统的鲁棒设计》和河南省骨干教师资助计划《自适应逆控制的Delta算子方法及性能研究》等项目研究的工作总结。首先阐述了自适应逆控制的原理,然后重点研究基于前馈神经网络的自适应逆控制理论及应用问题。取得的主要结果如下: (1)研究采用基于前馈神经网络的自适应滤波器来实现对非线性对象的建模,通过仿真分析表明,这种方法明显优于单纯采用线性滤波器方法。 (2)分析了ε-滤波LMS算法的收敛性与二次稳定性,给出基于前馈神经网络的ε-滤波LMS算法,仿真实验表明该算法具有较好的控制效果。 (3)将基于前馈神经网络ε-滤波的自适应逆控制算法应用于耳机噪声消除设计中,仿真结果表明,相对于线性滤波方法,神经网络模型方法具有更好的消除噪声性能。