随着自动控制科学的发展,人们对控制系统品质的要求不断提高,对具有非线性、不确定性和难以建立精确数学模型的复杂系统的控制方面,传统的控制策略越来越显示出其局限性,与此同时智能控制理论的发展,为解决这类问题提供了新的研究思路。本文所研究的基于遗传算法优化的神经网络复合逆控制策略,利用遗传算法和人工神经网络的融合来解决当前控制领域的难题。由于人工神经网络具有非线性映射、并行计算、自学习等能力以及鲁棒性强等特点,目前在复杂非线性系统进行建模、参数优化和控制等领域应用广泛。本文对多层前向BP神经网络的学习问题展开研究。对基于梯度下降的BP学习算法存在的局部收敛的问题,引入遗传算法来解决神经网络的权值、阈值学习,提出了改进BP神经网络学习算法的遗传寻优学习算法,提高了网络的学习精度。并以逆系统控制思想为指导,提出了基于遗传寻优学习神经网络的复合逆控制策略。本文以材料试验机这一典型的电液伺服系统为控制对象,把基于遗传寻优神经网络的复合逆控制策略应用到材料试验机位置伺服系统中,其中应用神经网络辨识其动态逆模型,通过在MATLAB环境下进行仿真以及通过开发基于Labview软件的计算机控制系统进行实验研究,并与传统的PID控制策略对比,结果表明基于遗传寻优神经网络的复合逆控制策略能够较好地满足材料试验机动态特性的要求。