磁悬浮技术是一门新兴的机电一体化技术,由于其具有无摩擦、无磨损、无需润滑、寿命长、低功耗、无噪声等优点,引起了世界各国科学界的特别关注。本次课题研究的GML磁悬浮实验系统就是这样一种典型的机电一体化系统,其中的控制器是磁悬浮控制系统中至关重要的一环,控制器性能的好坏直接关系到磁悬浮产品的应用,因此本论文以磁悬浮系统的控制器为主,对磁悬浮控制系统进行了研究。以下是本文所阐述的主要内容：磁悬浮系统搭建以及用BP神经网络逼近PID控制器,实现神经网络对磁悬浮系统的控制。首先,分析了磁悬浮系统构成及工作原理,并以此系统为研究对象,在Matlab (Simulink)中设计PID控制器,并通过数据采集卡与外部系统相连,实现了以计算机为控制平台的数字控制。其次,根据神经网络能够以任意精度逼近任何光滑的复杂非线性系统和自学习、自适应等特点,本论文主要用其来逼近PID控制器,使得到的控制器不再是简单的线性组合关系,而是复杂的非线性映射关系。再经过神经网络的自学习、自调整,得到优于常规PID控制器的效果。本文采用三层BP神经网络结构,其中输入层神经元的输入状态对应于增量式PID控制器的三个控制输入,分别为第k次、第k-1次、第k-2次采样时刻输入的偏差值。输出层神经元的输出状态对应于PID控制器的控制输出为控制量的增量。最后,利用Matlab进行了仿真实现,分别对磁悬浮系统的数学模型和实物模型在各控制器下系统的动、静态特性进行了对比分析研究,仿真结果表明,神经网路控制下的磁悬浮系统有效的提升了系统的适应能力,改善了系统的动、静态品质。