汽车的操控性与舒适性是衡量汽车性能的两个标准，而两者却始终保持对立，很难兼顾。柔软的悬架能够增强乘坐舒适性，但操控性就要大打折扣；较硬的悬架使车辆操控性能提高，却会导致乘坐舒适性的下降。因此，悬架的控制效果将直接影响到汽车的性能。 本文以二分之一车模型的主动悬架系统作为研究对象，对其展开了深入的研究工作。针对主动悬架系统存在强非线性和不确定性等特点，本文提出了悬架的非线性自适应神经网络控制策略。该控制策略融合了非线性领域中的自适应控制理论和神经网络控制理论的优点，本文的仿真结果验证了这种新的控制策略能有效地改善主动悬架系统的性能。 由于乘客的乘坐舒适性是由汽车车体的垂直方向和偏角位移综合决定的，因此为了保证乘客的乘坐舒适性，主动悬架的设计必须有潜力去减小车体的升降和倾斜运动的幅度。在主动悬架设计时另外一个必须强调的重要的因素是悬架的动行程(车体和轮胎之间的间隔变化)。为了避免破坏汽车的构件和带给乘客更多的不适，本文的设计策略是添加了两个非线性滤波器，并且这种策略显示出有使悬架达到操控性与舒适性之间折中的控制目标的潜力。本文的主动悬架设计的新颖之处在于:在前后轮处引入两个特殊的非线性滤波器。这两个非线性滤波器的有效带宽各自决定了前悬架和后悬架动行程的幅值。当悬架动行程较小时，本文提出的自适应神经网络控制器将使悬架变软以提高乘客的舒适性；而当悬架的动行程接近它的极限时，我们控制设计将转移注意力到通过变硬悬架以增强操控稳定性。 最后，本文通过仿真分析验证了所设计的自适应神经网络控制策略控制效果优越，而且能使悬架系统获得更强的稳定性和鲁棒性。此外，该控制策略的另一大优点是：控制器的设计和稳定性分析的步骤都非常规范和简易。