我国磁悬浮列车技术经过十多年的研究与发展,目前电磁悬浮(Electromagnetic Suspension,EMS)式中低速磁悬浮列车已完全具备自主知识产权,并走向商业化运营。因为中低速磁悬浮列车的安全、环保、经济、噪声小、爬坡能力强等优势,北京和长沙已经建有两条商用中低速磁浮线,并将在全国推广,如成都、武汉等城市都在陆续规划中。由于EMS式磁悬浮技术对运行线路等环境较敏感,特别是中低速磁浮列车在运行中会出现振动,影响气隙和电流的反馈信号,导致悬浮电磁力的快速改变,循环往复致使共振发生。共振会影响到列车的安全运行和乘坐舒适性,严重的甚至会出现悬浮故障导致落车或者吸死。为提高列车乘坐舒适性与安全性,保证悬浮高度稳定不变,就需要加强共振的检测和预测,以提高悬浮控制系统的稳定性。因此,及时准确共振检测与预测对提高悬浮控制的稳定性和运行的安全性具有非常重要的意义。本文以长沙南站至黄花机场的中低速磁悬浮列车为工程应用背景,基于气隙、电流、加速度的数据,提出了数据驱动的磁浮列车共振检测与预测方法。本文主要研究成果如下:(1)对传感器采集的运行数据分析,根据信号统计特性变化,如共振发生时信号的波动范围大、偏离均值频繁等特性,提出了基于统计方差和变化率阈值的共振检测方法,并提出了共振系数指标,对共振程度进行度量评估,具有良好的鲁棒性。(2)通过提取信号频谱信息和时、频域参数特征,并结合有效的固有模态函数(Intrinsic Mode Function,IMF)分量增加特征覆盖率,提出了基于多维特征的Elman神经网络共振预测模型,通过对真实数据仿真,实现了1分钟内93%的共振预测准确率。(3)针对样本数据较少的问题,利用集成学习的思想,提高样本利用率,提出了基于多维特征的改进Elamn-Adaboost的预测模型,并对真实数据仿真验证,达到了5～10分钟内88.72%的共振预测准确率。