在噪声有源控制系统中，目前使用的比较多的是基于线性自适应滤波理论的控制算法，如最小均方LMS算法。其计算量小、算法简单，而且易于实现，但是当系统中存在非线性问题时，线性算法便不再适用，因此需要使用非线性算法进行处理。本文采用BP神经网络算法代替使用较多的LMS算法，在线调节自适应滤波器的参数。BP网络为最常用的一种神经网络，对解决非线性问题，具有显著优势，显示出强大的实际应用能力。但是随着其研究及应用的深入，BP算法的一些缺陷开始显现出来，如收敛速度慢，学习时间较长；学习的过程中可能会陷入局部极小值；网络的构建缺乏统一的原则；对初始权值的设定相当的敏感；网络的泛化能力差等。本文将具有全局优化、正反馈以及分布式计算特性的蚁群算法，应用到对BP网络初始时刻的权值与阈值的确定上。结果表明，本文提出的基于自适应最大-最小蚂蚁系统的改进BP算法比基本BP算法具有更强的处理问题的能力。次级通道传递函数的特性会在整个自适应有源控制系统中产生极其重要的影响。本文建立前馈结构的发动机排气噪声有源控制系统模型，采用基于神经网络算法的自适应逆方法离线辨识次级通道逆模型，再将其串接到次级通道前，以抵消次级通道对有源消声系统所产生的影响。对发动机排气噪声的产生机理和频率构成进行分析的基础上，利用MATLAB/SIMULINK软件，进行仿真试验，并与采用LMS算法的仿真结果进行比较。结果显示，对于存在非线性的系统，神经网络算法在收敛速度与收敛精度方面均强于LMS算法。在MATLAB中画出仿真实验结果的功率谱图，可以看出，神经网络算法使得噪声信号在较宽的频率范围内得到抵消。前馈系统因为结构简单、稳定性强等优点，是有源消声技术中最常用并且最成熟的结构方式。但是，其需要得到噪声的参考输入，而在实际应用过程中，噪声的参考输入常常很难获得或者信噪比太低，将其应用到实践中往往还是较困难的。因此尝试在发动机噪声有源控制系统中采用反馈结构是非常有必要的。本文采用基于神经网络算法的内模控制进行发动机排气噪声的消除，并将粒子群算法用在反馈滤波器参数的在线调节中。同样在MATLAB/SIMULINK环境中进行仿真，从结果可以看出，采用反馈结构的有源消声技术也能取得很好的结果。本文又对某款汽车的排气噪声进行了测量，然后分别采用建立的前馈和反馈模型对实测到的发动机的排气噪声进行消除，同样取得了比较好的效果。进一步表明，本文基于神经网络算法的有源控制方法能够更好地消除汽车排气噪声，其具备一定的实际应用性，对汽车排气噪声有源控制效果的改善有一定的积极作用。