磁悬浮系统的控制问题是一个很有研究价值的课题。由于磁悬浮具有“零接触”的特性,应用磁悬浮技术的系统具有无摩擦、无噪声、无需润滑等优点,例如：磁悬浮列车,磁悬浮轴承等。但是磁悬浮系统具有非线性、不确定性等特点,不易被控制,控制器的性能亟待提局。RBF-ARX模型为复杂非线性系统的控制提供了一个全新的解决方案。RBF-ARX模型是一种离线辨识的全局模型,它兼有RBF网络对非线性函数逼近精度高、学习速度快和ARX模型结构简单、应用方便的优点,非常适合结合一些基于模型的控制算法处理复杂非线性系统的控制问题,而LQR控制器是一种结构简单易于实现且依赖于模型的控制器。所以基于RBF-ARX模型的LQR控制器会在磁悬浮控制系统中得到比较好的效果。本文遵循物理模型、ARX模型和RBF-ARX模型这一条线索来对磁悬浮系统LQR控制器进行探索。着重研究如何设计基于RBF-ARX模型的LQR控制器,希望能为实际的工业控制问题起到指导意义。本文首先介绍了磁悬浮控制系统的研究背景以及现状。同时对实验室的实验设备——磁悬浮装置的结构和原理作了详细的描述,并且根据其物理特性,经过合理的线性化之后建立了系统的物理模型,根据物理模型对磁悬浮系统做了初步的分析,设计了基于物理模型的LQR控制器。然后,利用PID算法控制磁悬浮系统,采集系统在某工作点的输入输出数据来建立ARX模型,其中介绍了确定模型的阶次、延迟以及创建状态空间的方法。由于磁悬浮系统是非线性系统而ARX模型是一种线性模型,所以提出利用多模型分段控制的方法来扩大控制器的控制范围。最后利用在较大的控制范围内采集的实验数据建立RBF-ARX模型,辨识的方法是利用结构化非线性参数优化方法(SNPOM)来离线辨识和优化模型参数,它利用LMM(Levenberg-Marquardt method)策略和LSM (Least-squares method)策略分别对模型中的非线性参数和线性参数进行辨识和优化。仿真证明,基于RBF-ARX模型的LQR控制器具有很好的性能。