为提升磁浮列车悬浮运行的安全性和稳定性,以列车悬浮控制系统为研究对象,研究了基于BP神经网络(BP-NN)实时自适应调节跟踪微分器(TD)参数的问题;为避免TD算法中非线性复杂运算,以二阶最速时间系统和状态反步法构造具备线性特征的最速控制综合函数,提出了一种离散形式的最速跟踪微分器(FST-TD),并对其进行严格的频域及收敛性分析;针对FST-TD应对不规则输入信号时参数调节不及时的问题,引入BP-NN自学习能力与　自适应不确定系统的动态特性,提出基于BP-NN参数自适应调节的最速跟踪微分器(BP-FST-TD)算法,其中BP-NN通过反向传播算法在线更新权值实现参数自适应调节,FST-TD根据自适应参数对复杂、多工况下的输入信号实时的跟踪滤波;为验证算法的有效性和实用性,以磁浮列车悬浮控制系统中的含随机噪声间隙信号为研究对象,对BP-FST-TD的实时跟踪滤波能力进行了研究.研究结果表明:FST-TD具有较好的滤波与微分提取能力,收敛性分析表明其具有无颤振、无超调的特点,且算法表达式中不含复杂的非线性运算,形式相对简单;FST-TD在多种输入信号的跟踪过程中均能够保持良好的光滑度与相位品质;与传统的TD算法相比,BP-FST-TD在工况1、2的间隙信号平均绝对误差分别降低了　32.6％、61.8％,时间乘绝对误差积分分别降低了　51.8％、70.2％,证明了　BP-FST-TD良好的跟踪滤波性能,能够有效抑制磁浮列车间隙传感器在不同运行工况下的随机噪声.可见,基于BP-FST-TD的悬浮控制系统能够有效控制列车稳定悬浮运行,研究结果为其他工程领域的跟踪微分器控制参数优化提供了新的思路和方法.