作为一种新颖的控制方法,自适应逆控制已经过了二十多年的发展,目前,线性自适应逆控制方法相对比较成熟,而非线性自适应逆控制的研究成果却还不多。非线性自适应滤波器和非线性自适应逆控制结构是决定非线性自适应逆控制性能的关键,而神经网络的飞速发展给非线性自适应逆控制提供了强有力的非线性自适应滤波器。根据BP神经网络结构的简单性、万能逼近性和较好的泛化能力等特点,本课题将BP神经网络非线性自适应滤波器引入非线性自适应逆控制系统,选择适当的非线性自适应逆控制结构,以兼顾系统的动态特性和扰动抑制能力。首先,给出了一种基于神经网络的非线性自适应逆控制结构,并依据非线性对象和BP神经网络的特点,设计了两种不同结构的BP神经网络,分别由BP算法和BPTM算法驱动,以逼近非线性对象模型和对象的逆控制器,仿真结果表明,该神经网络能以较高的精度逼近对象模型和逆控制器,从而使基于BP神经网络的自适应逆控制系统能获得较好的动态性能。针对自适应逆控制方法将动态控制和扰动抑制分开进行而互不干扰的特点,在深入分析和研究扰动抑制原理的基础上,通过BP算法驱动BP神经网络逼近对象的逆模型,在已有非线性控制结构上引入扰动抑制回路,设计出一种能快速消除扰动的非线性自适应逆控制系统。仿真结果表明,该系统可以快速的消除对象扰动,同时能获得良好的设定值跟踪性能。最后,将本文设计的非线性自适应方法应用于一级倒立摆这一典型的非线性对象,利用BP神经网络完成了一级倒立摆正模型和逆控制器的建立,使倒立摆在允许的范围内达到稳定,并获得较好的控制效果。结果表明,非线性自适应逆控制具有解决非线性问题的能力,可用于解决复杂非线性系统的控制问题。