支持向量机(Support Vector Machine,SVM)基于统计学习理论具有泛化能力好且结构简单等的优点。本文利用其对函数能的精确拟合特性用于解决非线性系统逆模型建立困难的问题,SVM将非线性回归问题转化到一个线性可分的高维特征空间中求解一个凸优化问题,得到的解是全局最优的。本文针对SVM直接逆控制方法性能上的不足,研究如何改进算法并进一步推广应用于非线性系统控制中。本文首先分析和阐述了SVM在系统辨识及SVM逆方法在控制中的应用方面中国内外的研究现状;在逆系统定义的基础上,阐述了系统可逆性的判定及求取系统相对相量阶的方法,并以SVM非线性回归算法为基础,讨论了有关SVM参数寻优方法。仿真中以非线性单变量系统为例进行了研究,探讨了SVM的辨识能力及所构的开环系统的鲁棒性,为进一步将其推广到多变量非线性系统的控制应用中奠定基础。本文针对球磨机制粉过程非线性、多变量强耦合特性,建立系统的动态数学模型,证明了系统的可逆性。利用SVM对非线性系统具有良好逼近能力的特性,通过其来辨识球磨机制粉过程的逆系统,将该逆模型与原系统串联可构成解耦后的伪线性复合系统。同时为了克服逆系统的建模误差,通过设计预测控制器对该复合系统进行闭环优化控制。仿真结果验证了本文提出的方法不依赖于球磨机制粉系统的精确数学模型,能够适应系统模型的不确定性,可在大范围内克服系统非线性强耦合问题,实现了球磨机制粉系统的有效控制。本文针对SVM逆方法抗干扰性及仅适用于最小相位系统等方面的不足,提出基于SVM逆方法的模型参考自适应控制方法,仿真中分别以最小相位系统、非最小相位系统为例进行仿真实验,结果显示控制方法很好抑制了系统扰动,对于系统参数改变也仍能取得良好的控制效果。