在ANC系统中，目前大都采用基于线性自适应滤波理论的自适应控制算法。它们以其算法简单、计算量小、易于实现的优点，被广泛应用于实时性要求较高的控制领域。目前使用较多的是采用有限脉冲响应滤波器的Filter-X算法。该方法的主要缺欠是需要上百阶的滤波器，特别是当考虑主路径或次级路径的非线性时，线性的Filter-X算法不再好用，必须采用非线性控制方法。 执行器是控制系统的终端，是控制系统与被控对象之间的一个接口，其特性将直接影响系统的控制效果。本文研究由于执行器的非线性，导致整个系统控制效果不理想的问题，为此我们采用非线性自适应逆控制来对其进行处理。该方法的控制思想是：利用神经网络的非线性函数逼近能力，离线求取执行器的逆模型，然后将执行器非线性特性的逆模型串接在系统回路中，从而实现对执行器非线性特性的补偿。经过补偿，可以使执行器输出跟踪其输入即控制器的输出，从而改善执行器输入输出的非线性特性对控制效果的影响。最后采用线性系统的有源噪声控制方法对其进行控制。在此我们着重讨论的是次级声路径(含非线性执行器和线性声路径)分开来进行控制的方法。 我们通过仿真与实验，分析了采用传统的线性FXLMS的ANC系统与基于非线性逆控制的ANC系统的性能，并对两者做了详细的对比。证明非线性逆控制方法有效的解决了本文有源噪声控制中的非线性问题，分析以及仿真结果也显示，采用神经网络补偿执行器非线性系统是可行的、有效的。非线性逆控制方法应用到含有非线性特性的有源噪声控制中，无论在主噪声处还是其他频率的噪声处都具有比传统的线性FXLMS算法更好的降噪效果，且收敛速度快，误差小。但是由于采用的是离线求取非线性特性的逆模型，所以还不能很好的解决动态非线性问题。本文通过研究概括与总结，为非线性控制对象的控制提供一般方法，使之可以通过补偿非线性来用线性方法解决各种非线性控制问题。