控制理论的目标就是使得给定动态系统(对象)的特性尽可能准确地按照指定使用者的要求运行。这种对象控制问题可以分成三个独立的任务：对象的动态稳定性、对象动态控制和对象扰动控制。常规的控制方法是用反馈同时来处理和控制这三个任务，这时只能在三个方面进行折中处理以寻求控制的最优解。 自适应逆控制是一种分别处理这三种任务的控制方法。首先，对象是稳定的，对象不稳定的可以进行镇定。其次，对象是使用前馈控制器来控制的；第三，扰动控制器用来消除对象的干扰。自适应滤波器既可以作为控制器又可以作为扰动消除器，然后自适应算法分别优化使之达到各自的最优控制。 具体地说，自适应逆控制是用被控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，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控制分开处理而互不影响。这是一个十分可贵的特点。且该控制器是自适应的，并将其调节到使对象及其控制器的总体动态响应达到最优。在其中使要用到反馈的，但反馈仅限在自适应过程本身采用。和传统的控制不一样，自适应逆控制采用反馈不是为了控制系统中的信号流动，而是用于控制系统中的可变参数。 以前自适应逆控制的研究主要集中于运用信号处理的方法尤其Wiener滤波器理论来建模与控制。这种方法对于研究线性系统来说是相当成功的。但对于非线性系统来说，还用这种方法来研究其效果不是太理想。尤其对于某类不能用精确数学模型描述的对象，其逆模型用传统的方法难以建立。而神经网络本质的并行结构在处理实时性要求高的自动控制领域中所显示出的极大的优越性使得逆控制在控制系统和调节器的设计中得到进一步发展。 作者把神经网络在非线性系统建模与控制中的优点引入自适应逆控制中来。从而提出一种基于对象—正模型—逆模型建模的神经网络自适应逆控制系统结构。我们采用基于BP算法的前馈神经网络构造对象辨识器和逆控制器。经过针对不同的对象，在环境及其参数变化时进行大量的仿真实验，证明了所设计的控制结构是合理和有效的，并且具有很强的鲁棒性。同时也对神经网络自适应逆控制系统的稳定性进行了初步的探讨与分析，最后我们对于神经网络自适应逆控制系统中值得关注的几个问题进行了分析与总结。 神经网络自适应逆控制是一种用神经网络构成无模型直接自适应控制系统的方法。具有对模型要求低、鲁棒性好、自适应能力强、适用于数字计算机控制昆明理工大学硕士学位论文中英文摘要的优点，将之用于工业过程控制中可以取得较好的控制品质。