在各类复杂非线性系统中通常含有一些难以直接测量的系统关键变量。神经网络逆软测量方法作为一种新型的状态估计方法，兼具严格的理论基础和良好的非线性逼近功能，为关键变量不可测的非线性系统的控制提供了思路。然而在实际应用中，使用该方法建模仍存在一些问题，如当系统模型复杂或未知时，逆软测量模型难以构建;以及对于可测变量丰富的系统，“内含传感器”逆软测量模型不唯一。这些问题直接影响了逆软测量方法的检测精度和适用范围。为此本文利用基于平均影响值的神经网络变量选择方法(neural network-mean impact value，NN-MIV)以及偏最小二乘法中的变量投影重要性指标(partial least squares-variable importance in projection，PLS-VIP)方法对神经网络逆软测量方法进行改进和优化，并分别应用于感应电机、红霉素发酵过程以及人体血糖中，具体研究工作如下:　　1.给出了一种神经网络逆软测量模型的原理和构建方法，通过分析模型的可逆性，构建其“内含传感器”和“内含传感器”逆的模型，并用神经网络和微分器实现“内含传感器”逆。将其应用于逆模型唯一的感应电机系统中，仿真结果验证了该方法的可行性。　　2.将变量筛选方法与神经网络逆软测量方法相结合，提出了一种基于NN-MIV变量筛选方法的逆软测量模型，筛选出最优的辅助变量，构建最优的软测量模型。将其应用于逆模型不唯一的红霉素发酵过程中，实验结果显示了所提方法的优越性。　　3.针对一些复杂系统中辅助变量多、机理复杂、逆系统数学模型难以获取的问题，提出了一种基于PLS-VIP的神经网络逆软测量方法，并将其应用于人体血糖动态监测中，证明了方法对模型难以获取的系统的有效性。　　将变量选择的概念与“内含传感器”逆理论相结合，有效地解决了“内含传感器”逆在实际应用中存在的问题，实现了对神经网络逆软测量方法的优化，为逆软测量方法的进一步研究奠定了基础。