１　引　言

近年來，基于“反饋線性化” 的非線性動態(tài)逆控制方法，通過非線性反饋或動態(tài)補償將非線性系統(tǒng)變化為線性系統(tǒng)，實現(xiàn)系統(tǒng)的“反饋線性化”，將控制問題簡化［１］。但傳統(tǒng)逆控制方法依賴于模型精確已知，實際中被控對象的精確非線性模型難于獲得，因此在解決復(fù)雜非線性系統(tǒng)的不確定問題時存在一定困難。

針對這一問題，許多學(xué)者在逆控制研究中引入智能控制理論，利用神經(jīng)網(wǎng)絡(luò)逼近原系統(tǒng)的逆系統(tǒng)，補償逆誤差，取得了許多有意義的研究成果［２-５］。但神經(jīng)網(wǎng)絡(luò)本身存在的局部極小值、過學(xué)習(xí)、過于依賴經(jīng)驗等不足，在一定程度上限制了其應(yīng)用［６］。Ｖａｐｎｉｋ［７］提出的支持向量機（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ，ＳＶＭ）克服了神經(jīng)網(wǎng)絡(luò)的固有缺陷，已成為解決非線性問題的重要方法［８-９］。文獻［１０-１１］為ＳＶＭ在非線性控制系統(tǒng)的應(yīng)用作了有益的嘗試，文獻［１２-１５］對基于ＳＶＭ的控制方法及應(yīng)用進行了研究，但對系統(tǒng)精確模型仍存在一定程度的依賴，同時，關(guān)于參數(shù)不確定及外界未知擾動對控制器控制性能影響的分析較少。

本文針對一類非線性控制問題，在基于支持向量回歸建立系統(tǒng)逆模型的同時，引入ＳＶＲ在線自適應(yīng)調(diào)節(jié)消除逆誤差，并證明了系統(tǒng)閉環(huán)漸近穩(wěn)定，通過對典型系統(tǒng)的仿真分析表明，設(shè)計控制器控制效能較高，且具有一定的魯棒性。