该文针对近年来提出的一种非线性化解耦控制方法--逆系统方法中存在的工程实现难题,在国家自然科学基金的资助下,结合人工神经网络的特点,提出了基于神经网络的逆系统方法,为线性化解耦控制的工程应用提供了一条新的有效途径.该文的主要研究内容和已取得的研究成果如下:(1)首先深入而系统地研究了逆系统理论,用非线性系统的线性代数方法对基于状态方程描述的系统的可逆性条件进行了证明,并从理论上给出逆系统的解析实现形式;提出并证明了基于输入输出微分方程描述系统的可逆性充分条件以及相应的逆解析实现形式.(2)由于工程中逆系统的解析实现相当困难,该文提出将神经网络对知非线性数的逼近和学习能力与上述两种形式的逆系统相结合,相应地构造出两种神经网络α阶逆系统.神经网络α阶逆系统的实现仅需要很少的先验知识,无须知道被控系统的数学模型和参数,它们的提出大大缩短了逆系统方法理论研究和工程应用和距离.应用到电力系统可控串联补偿控制和机器人解耦控制中,取得了令人满意的仿真结果.(3)神经网络α阶逆系统能将非线性系统线性化解耦成积分型SISO系统,当积分阶数较高(>2)且被控系统状态下易测量时,很难设计附加控制器构成稳定的控制系统.针对这一问题,该文提出广义逆系统,它与原系统复合后,不但能实现原系统的线性化和解耦,而且通过合理地设计逆系统,可使线性复合系统的极点在复平面上任意配置,从而得到较为理想的开环频率特性,附加闭环控制器的设计问题也就迎刃而解了.针对模型基本未知的非线性系统,该文相应地给出了神经网络广义逆系统结构及实现步骤,并在电力系统励磁控制和远程机器人遥控的应用仿真中都取得了满意的仿真结果.(4)从逆系统理论的完整性出发,该文探讨了离散非线性系统的可逆性,并给出具有线性化和解耦能力的神经网络阶时延逆系统的结构及其实现.