逆系统方法在应用过程中要求必须获得被控对象精确的逆系统数学模型，这个条件限制了这种方法在被控对象是随机非线性系统或者其逆系统很难精确求解的情况下的应用；针对逆系统方法的局限性，本文提出了两种自适应方法来解决以上问题。针对存在系统噪声或者建模误差的被控对象在应用逆系统方法时存在的困难，本文引入强跟踪滤波器(STF)来解决此问题。STF通过在扩展卡尔曼滤波器(EKF)中引入一个渐消因子来确保每个采样时刻的误差自协方差阵近似为零，从而保证由过程参量变化或者系统噪声引起的模型与被控对象失配时滤波器对系统的跟踪能力。在STF对非线性系统状态及参数的跟踪能力研究的基础上，提出了一种基于强跟踪滤波器的逆系统自适应控制方法。此方法通过STF来跟踪估计非线性系统的状态及参数变化，并应用于逆系统方法控制器的设计中实时修改逆控制器中的参数。针对实际存在的某些被控对象的逆系统很难求解的现象，本文将神经网络与非线性动态逆相结合，利用小波神经网络的时—频局部化特征，建立系统的α阶积分逆系统，并将逆系统方法的反馈线性化思想与内模控制的控制结构相结合，对神经网络α阶逆系统与原系统串联所构成的伪线性系统构造了内模控制。最后，经过仿真证明了以上方法的有效性。