高速磁浮列车不同于普通的轮轨列车,它利用电磁力将车体悬浮在轨道上方,具有噪音小、运行平稳、环境污染小等众多优点,是一种较为理想的高速轨道交通工具。悬浮控制系统是磁浮列车的关键,悬浮间隙传感器是悬浮控制系统的一个重要组成部分,对其进行必要的研究对磁浮技术的发展具有积极意义。悬浮间隙传感器一般采用电感式位移传感器实现间隙检测,其检测线圈的内阻易受温度的影响,导致传感器产生温度漂移现象,温度漂移会造成传感器输出不准确,影响列车行车安全。针对间隙传感器温度漂移的问题,本文分析了间隙传感器温度漂移产生的机理,设计了基于逆模型的温度补偿方案,建立了基于RBF神经网络的间隙传感器温度逆模型,采用了粒子群优化-梯度下降混合算法用于RBF神经网络温度补偿模型的训练,仿真结果表明:(1)混合算法能提高粒子群优化算法的局部优化能力、改善其早熟问题,比单一的梯度下降法和粒子群优化算法具有更强的寻优能力;(2)基于RBF神经网络的温度逆模型补偿方案能有效抑制间隙传感器的温度漂移。最后采用FPGA实现了神经网络温度补偿模型,编写了基于LabVIEW的测试软件,实验结果表明本文设计的RBF神经网络温度补偿模型能够较好地对间隙传感器进行温度补偿,补偿后的传感器温度漂移现象得到了很好的抑制,全量程最大误差为0.45mm,相对误差在3%以内,8-12mm工作间隙范围内最大误差为0.16mm。该方法可以有效地消除温度漂移误差,提高传感器的检测精度,对磁浮列车的安全运行有积极意义。