自适应逆控制是利用自适应信号处理的方法解决控制上的问题，在获得满意的系统响应和抑制扰动的问题上是一种很新颖的途径。然而，在控制非线性对象时，自适应逆控制需要建立对象模型和对象的逆模型。用线性自适应滤波器对非线性对象建模是不可行的。相比之下，神经网络在这方面显示了明显的优越性。神经网络具有对任意非线性映射的逼近能力，经过网络训练可以得到对象模型和对象逆模型。 粒子群优化算法是一种基于种群搜索策略的自适应随机算法。作为智能优化算法中的一种，它可用于求解大部分的优化问题，并在工程实践中表现出巨大潜力，现已广泛应用于神经网络、模糊系统控制、模式识别等多个领域。研究表明，粒子群算法是一种很有潜力的神经网络训练算法，它保留的基于种群的、并行的全局搜索策略，采用的速度——位移模型操作简单，易于实现。 倒立摆是验证控制方法和理论的实验平台。本文研究了粒子群优化算法的性能，以典型函数为例进行实验，比较了几种粒子群改进算法的优劣。研究了粒子群算法修改神经网络的参数，将粒子群寻优的结果作为BP算法的初始值，提高了BP算法的训练时间和训练效率。建立了非线性二级倒立摆的自适应逆控制ε滤波LMS系统，实验表明自适应逆控制具有解决高度非线性问题的能力，并对扰动有很好的抑制作用。