针对矢量控制等依赖于模型的感应电机高性能控制方法中存在的问题(如只能实现稳态解耦,鲁棒性和适应性差等),在国家自然科学基金的资助下,将神经网络与逆系统方法结合,提出了感应电机的神经网络逆解耦控制方法.该方法可有效地克服感应电机的未建模动态、参数变化及负载扰动对控制性能的影响,真正实现感应电机的线性化动态解耦控制,为高性能的感应电机控制提供了一种新方法.论文的主要研究工作及已取得的研究成果如下:首先,应用非线性系统的线性代数方法,给出了一般非线性系统的静态逆系统和动态逆系统的构造算法,证明了非线性系统由静态逆系统及动态逆系统来实现输入输出线性化解耦的充要条件,从理论上系统地阐述了逆系统线性化解耦控制策略.然后,系统和全面地分析了感应电机的可逆性及其逆系统线性化解耦特征,给出了感应电机的状态反馈逆系统与输入积分逆系统的解析表达式,并从理论与仿真实验两方面分析了参数变化及负载扰动对解析逆解耦控制产生的严重影响,从而得出了感应电机的解析逆系统方法在实际中难以应用的结论.为解决由于感应电机因受未建模型动态、参数变化和负载扰动影响而使解析逆系统方法难以在实际中应用的难题,提出了感应电机的神经网络逆解耦控制方法,给出了感应电机神经网络逆模型的结构形式、辨识方法及实现步骤,真正将感应电机这样一个多变量、强耦合、时变的非线性对象动态解耦成两个SISO的伪线性积分子系统,进一步对两个积分子系统分别设计闭环线性控制器,使整个系统具有很强的参数鲁棒性和良好的抗负载扰动的能力,为逆系统方法在高性能感应电机控制中的应用奠定了基础.为了在神经网络逆解耦控制实现中准确地获取转子磁链的信息,研究了模型参考自适应磁链估计器的设计方法,导出了感应电机的线性磁链估计模型方程,并给出了一种基于扩展的Kalman滤波原理的转速与转子磁链的同时辨识算法.为验证感应电机的神经网络逆解耦控制方法在实际应用中的有效性,开发研制了一种基于数字信号处理器和智能功率模块的感应电机数字控制装置,采用DSP汇编语言设计了控制系统的软件,成功地进行了感应电机的神经网络逆系统动态解耦控制实验.实验结果显示系统具有良好的控制性能,表明感应电机的神经网络逆系统方法是一种有效和实用的高性能控制方法.