悬架是汽车的重要组成部分,悬架性能的好坏对汽车的行驶平顺性、乘坐舒适性以及操纵稳定性等性能的影响很大。传统的被动悬架其阻尼和刚度在车辆行驶过程中无法进行调节,因此难以使车辆在变化的路面上始终保持最优的性能。主动悬架虽然可以使汽车在行驶过程中时刻保持最佳的乘坐舒适性和操纵稳定性,但它存在结构复杂、成本高和能耗大的缺点。半主动悬架既能使车辆具有较高的乘坐舒适性和操纵稳定性,同时具有能耗小、易实现等优点,具有广阔的应用前景。作为一个复杂的非线性系统,将传统的控制策略用于汽车悬架的控制具有一定的局限性。神经网络是对生物学上脑神经网络的抽象、简化和模拟,其特点是可学习性和并行性,它能够自动获得知识并具有良好的自适应性和容错性,与传统的自适应系统相比,适用于更广泛的系统及环境的不确定性。本文使用ADAMS软件建立了汽车半主动悬架多体系统动力学模型,为研究半主动悬架神经网络控制系统提供依据。首先,在ADAMS/View模块中建立了个7自由度汽车半主动悬架系统多体模型,该悬架为前双横臂式后拖曳式结构。建立好的悬架模型通过ADAMS/Control模块被导入Matlab/Simulink中。文中建立的神经网络自适应控制系统,以车身的垂直加速度作为控制目标,通过神经网络控制器调节可调阻尼减振器的阻尼力来以达到提高车辆行驶平顺性的目的。文中使用的神经网络辨识器和神经网络控制器均使用BP神经网络,在Matlab中编写仿真程序进行汽车半主动悬架神经网络自适应控制的仿真。为了验证所建立的自适应神经网络控制系统的控制效果,在25m/s的车速下将半主动悬架系统的控制效果与被动悬架系统进行对比分析。结果表明,自适应神经网络控制系统能显著改善汽车的行驶平顺性,同时也验证了采用协同仿真方法的可行性和有效性。