随着逆变电源数字化技术的实现，使得各种控制策略的应用成为可能，如多环反馈控制、PI控制、重复控制、无差拍控制等。这些控制方法都是基于逆变电源的数学模型，虽然都取得了一定的控制效果，但是对于电力电子变换器的非线性因素往往束手无策。智能控制方法一般不依赖于系统模型，学习及推理能力强，因此智能控制方法在逆变电源中的应用成为当今电源技术研究的热点。本文主要针对逆变电源系统研究了结构简单、实现容易的模糊控制及神经网络控制。　　本文根据逆变电源的模型采用频率特性法分析了逆变电源在电压瞬时值反馈控制下的稳态误差，证明了逆变系统是一个误差与输入信号同频率的有差系统。针对逆变电源带非线性负载特别是带整流性负载时输出电压波形畸变问题，在传统的三环结构中的瞬时值电压环中采用模糊参数自整定控制，实现误差与比例系数的动态调整，通过仿真验证了该控制方案的可行性。其中模糊控制器的输入采用组合式单输入形式，这种控制结构取得了与双输入结构相同的控制效果。　　论文对逆变电源瞬时值电压环的比例系数进行了神经网络预测控制研究，通过仿真验证了该方案选取合适样本时在给定负载下可精确预测出比例系数;同时对幅值环单神经元PID控制与幅值环基于BP网络的PID控制进行了对比研究，仿真结果表明电压幅值环单神经元PID控制调节时间快，基于BP网络的PID控制的控制精度高。　　最后编写算法程序并在一台2kVA的逆变电源系统平台上对模糊参数自整定控制方法进行了实验验证，实验结果表明，该方案对非线性负载带来的波形畸变有很强的抑制能力。