由于汽车工业的迅猛发展以及人们对美好生活需求的不断提高,人们在满足汽车驾驶安全性的前提下对汽车的舒适性提出了更高的要求,空调控制系统作为汽车舒适性的核心系统,受到了众多汽车厂商以及学者的重视。本文对电动汽车空调控制系统进行两个方面的舒适性研究:第一,提出采用BP神经网络算法对电动汽车空调温度控制系统进行设计,形成千人千面的个性化智能算法,根据每个人的冷热喜好,可以进行个性化调整,提高驾驶员与乘客的温度舒适性;第二,提出采用智能控制策略对温度控制系统中电动压缩机驱动电机控制系统进行优化,减小电机转矩脉动进而降低车内噪声,从改善振动噪声源头的角度提高车内驾驶员与乘客的环境舒适性。首先,本文对汽车空调控制系统的原理进行了简单的介绍,分析了汽车空调总成的结构,选取了对汽车空调温度控制系统影响较大的4个执行机构作为本文的研究对象。接着在充分考虑车体围护结构传入热量、隧道干扰等多种热负荷的情况下,为了使仿真结果更加具有真实性,进一步引入了逐时温度模块,能够较为准确的得到每一个时间整点车内的总热量,最后在MATLAB中搭建了改进的汽车空调热负荷仿真模型。其次,本文针对汽车空调的特点及其控制的难点,提出将神经网络等智能控制算法应用于汽车空调温度舒适性控制系统中,设计了一套简易的数据采集模型来采集智能控制所需要的数据集,利用随机森林算法、支持向量回归机和BP神经网络对4个执行机构进行精度预测,最终结果表明BP神经网络对汽车空调的各执行机构的预测精度最高,因此最终采用BP神经网络对汽车空调温度系统进行控制。然后,本文在MATLAB中搭建了基于BP神经网络的电动汽车空调温度控制系统,对此系统进行了夏季降温以及冬季升温工况的仿真验证,并与传统PID控制与模糊控制进行了比对,结果均表明基于BP神经网络的智能控制方法能在更短时间内达到设定温度,并且系统在受到外界扰动时能在极短的时间内做出反应并迅速恢复到稳态,能够实现车内温度的智能控制,满足驾乘人员对温度舒适性的要求。最后,本文针对温度控制系统中电动压缩机振动噪声对人体舒适性的影响,提出采用自抗扰控制（ADRC）对压缩机驱动电机的速度环进行控制,采用无差拍预测电流控制（DPCC）对其电流环进行控制,在永磁同步电机转速平稳运行过程中不仅能有效减小电机的转矩脉动,还可以整体提高控制系统的抗干扰能力,在降低车内电磁噪声提升环境舒适性的同时提高系统的鲁棒性。