悬架是车辆的重要部件之一，车辆的行驶平顺性、操纵稳定性等都与悬架性能的好坏有着直接的关系，被动悬架不能随路面的变化而变化，因此难以在变化的路面上达到最优的性能。因此，可控电子悬架是当今汽车发展的重要方向之一。主动悬架需要靠外加作用力实现对悬架的控制。因此会提高车辆的耗能，增加车辆的自身重量。由弹性元件和阻尼可调减振器组成的半主动悬架有能耗小，易实现等优点，可以改善汽车行驶的平顺性和操作稳定性。半主动悬架作为介于传统的被动悬架系统和主动悬架系统之间的折衷方案，既克服了被动悬架系统的缺陷，又使实现成本降低，成了汽车技术的研究热点。本文对半主动悬架控制进行了初步地研究。 汽车悬架系统是一个复杂的非线性系统，常规的控制策略应用于汽车悬架系统具有一定的局限性。采用常规的线性控制方法难以达到预期的最优性能，为了更好地逼近实际系统，获得更好的控制效果，需要寻找更有效的拉制策略。而神经网络能对复杂非线性系统进行辨识、能构成神经网络控制器，与传统的自适应系统相比，在满足更为苛刻的性能要求的同时，还适用于更广泛的系统及环境的不确定性。本文对半主动悬架特性进行了分析，在此基础上，研究了神经网络自适应控制方法和神经网络反馈控制方法。 针对采用可调阻尼减振器的汽车半主动悬架系统，建立了变阻尼半主动悬架1/2车非线性模型，并与传统线性模型进行了对比分析，结果表明该半主动悬架非线性模型更接近实际车辆，为研究半主动悬架神经网络控制系统提供依据，也为进一步设计能够较好协调车辆行驶平顺性和操纵稳定性的半主动悬架系统奠定了基础。 在神经网络自适应控制中，利用神经网络控制器调节可调阻尼减振器的阻尼系数，以期使悬架系统达到理想的减振效果。研究中主要用车身垂直加速度作为主要控制目标，以提高车辆行驶的平顺性。引入一种改进型的对角回归神经网络结构，基于此种神经网络结构对汽车模型进行了辩识和控制，以Matlab语言为工具，编制了仿真程序，进行了汽车半主动悬架神经网络自适应控制的仿真，对控制的结果进行较全面的分析和总结。最后，设计了神经网络反馈控制系统，采用一种直接学习方法对其进行训练，并将其应用于半主动悬架非线性模型的仿真验证，通过对白噪声路面激励输入条件下的仿真分析表明：该神经网络反馈控制系统可以较好地提高车辆的乘坐舒适性和操纵稳定性，采用这种神经网络反馈控制的半主动悬架，可以较好地协调车辆性能。