1、非線性系統(tǒng)控制在控制科學(xué)中占有重要的地位。20世紀(jì)80年代以來，逆系統(tǒng)控制在非線性控制領(lǐng)域得到蓬勃發(fā)展。它通過引入α-階積分逆和偽線性系統(tǒng)等概念，建立起比較完整的設(shè)計理論。但該方法要求被控對象的數(shù)學(xué)模型精確已知，而這在實際工程應(yīng)用中是難以實現(xiàn)的。尤其是針對一些復(fù)雜系統(tǒng)，很難求出其解析逆系統(tǒng)。這都成為了逆系統(tǒng)的實際應(yīng)用的“瓶頸”。
　　 本文主要利用神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等智能機(jī)器學(xué)習(xí)方法不依賴精確數(shù)學(xué)模型的特點，結(jié)合逆系統(tǒng)理論，給

2、出了智能逆系統(tǒng)控制方法和一些重要的結(jié)論。
　　 首先，在廣義逆系統(tǒng)控制中，控制器必須與復(fù)合偽線性系統(tǒng)的傳遞函數(shù)相互配合才能使整個控制系統(tǒng)達(dá)到滿意的動態(tài)控制效果。傳統(tǒng)廣義逆系統(tǒng)控制系統(tǒng)在改變復(fù)合系統(tǒng)期望傳遞函數(shù)時，必須重新辨識廣義逆系統(tǒng)。本文提出了一種新的廣義逆系統(tǒng)，并證明了該廣義逆系統(tǒng)的存在性。改變反饋系統(tǒng)的參數(shù)即可任意配置復(fù)合偽線性系統(tǒng)的極點，通過調(diào)節(jié)控制器參數(shù)和廣義逆系統(tǒng)的反饋環(huán)節(jié)參數(shù)即可改善整個控制系統(tǒng)的動態(tài)性能，并應(yīng)用于

3、感應(yīng)電機(jī)解耦控制中，獲得良好的控制效果。
　　 為提高逆系統(tǒng)的魯棒性，結(jié)合區(qū)間分析理論，在傳統(tǒng)自組織映射的基礎(chǔ)上，提出了權(quán)值為區(qū)間數(shù)的區(qū)間自組織模型和相應(yīng)的學(xué)習(xí)算法，分別對區(qū)間權(quán)值的上、下界進(jìn)行訓(xùn)練，并證明了該算法的收斂性。結(jié)合VQTAM方法對動態(tài)信息的存儲能力，建立非線性系統(tǒng)的逆模型，增強(qiáng)了控制系統(tǒng)處理不確定性的能力。
　　 針對良好非線性模型及其線性化補(bǔ)償器問題，證明兩者在一定約束條件下存在的惟一性。在此基礎(chǔ)上，提出

4、一種利用神經(jīng)網(wǎng)絡(luò)優(yōu)化新的目標(biāo)函數(shù)而得到辨識模型的新方法。為提高系統(tǒng)魯棒性，減小模型誤差和外部擾動等不確定性，針對補(bǔ)償后的偽線性系統(tǒng)設(shè)計非線性內(nèi)?？刂葡到y(tǒng)，使得整個控制系統(tǒng)能精確的跟蹤參考信號。
　　 逆系統(tǒng)控制的關(guān)鍵在于構(gòu)建的逆系統(tǒng)模型的推廣能力。本文給出一種基于最小二乘支持向量機(jī)在線算法的α-階逆控制方法。通過引入系統(tǒng)控制誤差的ε不敏感函數(shù)，利用LS-SVM增量-枝剪學(xué)習(xí)算法，對逆系統(tǒng)控制器實施在線學(xué)習(xí)，增強(qiáng)了偽線性復(fù)合系統(tǒng)的

5、精確性和魯棒性。并在LS-SVM的核函數(shù)為局部Lipschitz的前提下，證明了控制器是有限增益穩(wěn)定的，并給出Gaussian核函數(shù)對任一變量的局部Lipschitz性的充分條件。
　　 最后，在感應(yīng)電機(jī)矢量控制基礎(chǔ)上，對其進(jìn)行逆系統(tǒng)控制解耦性能、抗擾動性能和魯棒性方面的仿真實驗，證實了新型廣義逆系統(tǒng)控制的有效性。針對利用單一神經(jīng)網(wǎng)絡(luò)難以實現(xiàn)感應(yīng)電機(jī)大范圍內(nèi)的線性化解耦問題，結(jié)合多模型理論和新型廣義逆系統(tǒng)，給出了感應(yīng)電機(jī)神經(jīng)網(wǎng)絡(luò)