１　引　言

近年來，基于“反饋線性化” 的非線性動態逆控制方法，通過非線性反饋或動態補償將非線性系統變化為線性系統，實現系統的“反饋線性化”，將控制問題簡化［１］。但傳統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，因此在解決復雜非線性系統的不確定問題時存在一定困難。

針對這一問題，許多學者在逆控制研究中引入智能控制理論，利用神經網絡逼近原系統的逆系統，補償逆誤差，取得了許多有意義的研究成果［２-５］。但神經網絡本身存在的局部極小值、過學習、過于依賴經驗等不足，在一定程度上限制了其應用［６］。Ｖａｐｎｉｋ［７］提出的支持向量機（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ，ＳＶＭ）克服了神經網絡的固有缺陷，已成為解決非線性問題的重要方法［８-９］。文獻［１０-１１］為ＳＶＭ在非線性控制系統的應用作了有益的嘗試，文獻［１２-１５］對基于ＳＶＭ的控制方法及應用進行了研究，但對系統精確模型仍存在一定程度的依賴，同時，關于參數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逆模型的同時，引入ＳＶＲ在線自適應調節消除逆誤差，并證明了系統閉環漸近穩定，通過對典型系統的仿真分析表明，設計控制器控制效能較高，且具有一定的魯棒性。