BTT导弹控制系统是一个强耦合、高时变的多变量非线性系统，基于经典控制理论的自动驾驶仪设计方法已经不能满足 BTT导弹控制系统的要求。反馈线性化作为非线性系统的一种有效的设计方法，能够对非线性被控对象进行良好的控制。应用反馈线性化中的逆系统方法来设计具有强耦合 BTT导弹非线性系统的三个通道。但是逆系统方法依赖被控对象精确的数学模型，因此将具有逼近任意非线性系统能力的神经网络和逆系统方法相结合。以BTT导弹系统的俯仰通道为例，提出了一种基于神经网络的BTT导弹非线性系统直接逆控制方案。　　在实际工程中，神经网络逆控制算法也被应用到很多领域，然而它们的具体实现大都是通过计算机编程的软件实现。BTT导弹是一个高时变的非线性系统，因此其对控制算法的运算速度要求较高，基于软件的智能控制算法很难满足高速运行的 BTT导弹系统。因此基于特定硬件实现的神经网络逆控制算法就势在必行了。本课题针对 BTT导弹控制系统对实时性要求较高的特点，以 FPGA为硬件平台实现神经网络控制算法。采用基于模块化的设计方法，将 BP神经网络直接逆控制算法分为几个功能模块，然后分别对各个模块采用Verilog HDL语言进行描述，并用Quartus II7.2对各个模块进行仿真和综合；接着采用模块实例化的方法，将各个功能模块组成一整套的神经网络逆控制算法(顶层模块)，对顶层模块进行仿真与综合，并对神经网络的实际工作性能进行分析。最后根据编程与配置的方式，将Verilog HDL源程序下载到选定的FPGA芯片中。理论分析和实验结果表明：将神经网络直接逆控制算法应用到 BTT导弹非线性控制系统中是可行有效的，而且基于 FPGA硬件实现的智能算法能够满足 BTT导弹非线性系统对实时性的要求。