悬浮控制技术是磁浮列车的关键技术之一。目前控制器的设计是建立在被控对象的数学模型基础上的。悬浮系统是强非线性系统,传统的基于平衡点线性化的方法忽略了悬浮系统的非线性特征,导致线性化的模型和实际的系统存在较大的误差。另一方面,常用的基于电流环和间隙环的PID控制方法一定程度上参考了线性化的系统模型,忽略了系统在实际工作条件下的不确定性。当出现外部干扰或者系统内部参数变化时,固定的控制参数会影响系统的控制性能。针对以上两个问题,本文利用神经网络模型对任意非线性函数的逼近和自主调整的能力,进行基于神经网络的磁浮列车悬浮系统辨识和控制技术的研究。主要工作如下:1.分析磁浮列车的基本结构,建立磁浮列车单点悬浮系统的开环数学模型,利用线性化理论获得了其状态空间方程。然后结合实际系统参数不确定性特征,从轨道和铁芯材料磁饱和、平衡点偏移、负载质量变化等方面阐述线性化模型和实际系统出现误差的原因。2.分析了NARX神经网络模型的网络结构和参数训练方法。利用这种模型在非线性系统辨识中的优势,将从悬浮系统中采集的实验数据作为模型的输入,进行基于NARX神经网络模型的单点悬浮系统辨识。结果表明该网络辨识出的输入输出模型能够有效的描述真实悬浮系统的特性。3.针对固定控制参数的PID方法对外部干扰和内部系统参数变化等因素出现的控制性能下降的问题,设计能够实时在线调整控制参数的RBF-PID控制器,以悬浮系统的方波跟踪和负载突变的情况为例,通过仿真实验的方法进行RBF-PID方法与固定参数的PID方法的控制性能的对比,结果表明RBF-PID方法能够减小悬浮间隙的波动幅值并缩短系统恢复到稳态的调节时间。4.在小型悬浮平台上完成了RBF-PID控制器的硬件实现,并通过拟合函数和提前训练网络参数的方法保证硬件系统中RBF网络对控制器参数的实时在线调整。设计进行了小型悬浮系统的方波跟踪和负载突变实验,实验结果能够验证仿真实验的结论,表明RBF-PID方法在系统外部干扰和内部参数变化的条件下能够减小间隙的波动幅值并且缩短系统恢复到稳态的时间。