针对现有磁悬浮球位置控制算法控制精度不高的问题,提出了一种基于神经网络反馈补偿控制、PID控制和神经网络辨识器的磁悬浮球位置控制结构。采用神经网络辨识器建立控制系统误差与控制量的动态模型,在线学习时,神经网络辨识器在磁悬浮球位置实时控制过程中被训练,其训练后的参数动态复制给神经网络反馈补偿控制器,避免了神经网络反馈补偿控制器的离线训练。神经网络反馈补偿控制器在实时控制过程中基于PID的控制输出作进一步的学习,以补偿神经网络辨识器的建模误差并产生一个反馈补偿控制量。在控制回路中引入PID控制器可以保证神经网络在学习初期或系统受到扰动时闭环系统的稳定性,提高控制算法的鲁棒性。仿真与实验结果表明:神经网络反馈补偿控制方法较PID控制方法的控制精度由0.5mm提高到0.04 mm,控制系统具有良好的动静态性能和较强的鲁棒性。