电磁型(EMS,Electro Magnetic Suspension)中速磁浮列车作为一种采用先进技术的新型磁浮列车,兼具中低速磁浮列车与高速磁浮列车的优势,不仅牵引效率高,而且导向结构简单。悬浮控制器作为中速磁浮列车悬浮控制系统中枢,组成设备众多、结构复杂、功能强大,但由于其长时间与列车同步工作,内部设备及元件较易损坏。在磁浮列车运行过程中,悬浮控制器突发故障会直接降低悬浮控制系统的稳定性,严重的情况下可能直接导致列车丧失悬浮能力,并且很难在短时间内锁定故障源并高效开展维修工作。因此,对中速磁浮列车悬浮控制器故障诊断方法的研究具有重要意义。近年来,人工神经网络理论与应用研究已发展为国际前沿研究领域,为故障诊断提供了一个全新的研究方法。本文结合工程实际的考虑与故障样本的数据特性,在分析了中速磁浮列车悬浮控制器工作原理与常见故障特征的基础上,提出使用基于神经网络模型的故障诊断方法为中速磁浮列车悬浮控制器进行故障诊断。具体研究内容与成果如下:(1)建立了基于BP神经网络和SOM神经网络的悬浮控制器故障诊断模型并借助仿真实验分析了两个模型的故障诊断性能。实验结果表明两种神经网络模型的训练效率与诊断准确率均不理想,需要做进一步改进。(2)针对BP神经网络和SOM神经网络的自身局限性,提出将SOM神经网络的竞争层结果用作BP神经网络的输入数据,构建了 SOM-BP串联神经网络故障诊断模型并借助仿真实验分析其故障诊断性能。实验结果表明,SOM-BP串联神经网络故障诊断模型的训练效率与诊断准确率明显高于单独的神经网络模型。(3)考虑到SOM-BP串联神经网络的性能容易受到网络连接权值和节点阈值的影响,提出应用粒子群(PSO,Particle Swarm Optimization)算法为其分配网络连接权值和节点阈值,构建了基于粒子群优化的SOM-BP串联神经网络故障诊断模型并借助仿真实验分析其故障诊断性能,实验结果表明基于粒子群优化的SOM-BP串联神经网络故障诊断方法对于解决实际问题更加有效。