随着动车组速度提高,车辆振动加剧现象愈来愈突出,传统的被动悬挂控制技术已很难解决这种问题,而采用主动控制却可使悬挂系统根据当前行车环境自动调节,改善动车组运行平稳性。文章在考虑运用机电作动器（EMA）的情况下建立动车组主动悬挂系统模型,并根据提出的主动控制策略设计悬挂系统控制器,仿真验证控制策略的优越性。论文主要研究内容如下:首先介绍了目前动车组的运行背景,阐述被动、半主动、主动三种悬挂系统各自的特点,表明了主动悬挂系统的优势和模糊神经网络控制策略的研究意义,同时叙述国内外主动悬挂控制技术应用、模糊神经网络控制策略的研究现状。接着建立主动悬挂系统模型,主要包括悬挂系统动力学模型、轮轨激励模型、作动器模型、控制器模型。其中,悬挂系统动力学模型为半车垂向六自由度状态空间模型;轮轨激励模型选择我国高速铁路无砟轨道不平顺为轮对外部激励,并采用傅里叶逆变换进行时域模拟;作动器模型采用EMA作动器,确保悬挂系统能够产生可调的控制力。然后搭建T-S模糊神经网络控制器,该控制器的设计采用以被动求主动的逆推理念,探讨动车组二系悬架动挠度、动挠度变化率、动挠度变化加速度与作动器输出理想作动力之间的关系,间接求取作动器输入电流值。之后采用粒子群（PSO）优化算法对模糊神经网络参数进行优化,实现模糊规则的自调整,提高悬挂系统的输出精度;同时设计模糊控制器,为验证模糊神经网络控制策略的优越性作铺垫。最后在Matlab/Simulink环境下,首先结合轮轨激励模型得到被动控制时车体的振动响应,然后在相同激励的条件下对悬挂系统动力学模型、控制器模型、EMA模型进行联合仿真,得到主动控制下车体的响应曲线。验证悬挂系统主动控制的优越性,并从时域、频域和数据分析的角度对控制器控制效果进行评价。结果表明,模糊算法、T-S模糊神经网络、基于PSO优化的T-S模糊神经网络三种控制策略均能有效抑制动车组垂向振动,且PSO优化的T-S模糊神经网络控制器控制效果最优。