当汽车在人们的生活中普遍使用,汽车不再是简单的代步工具,其平顺性逐渐成为关注的焦点。汽车行驶时与路面直接接触,悬架振动的强度与路面状况有直接关系。因此在车辆行驶过程中,对路面的等级进行在线辨识,并将辨识到的路面情况与悬架控制系统相结合,实现悬架系统自动调节参数的功能,提升车辆平顺性。本文基于车辆动力学响应的反向分析法辨识路面信息,得到路面等级信息后,设计显式模型预测控制器对可控悬架控制,从而使车辆达到良好的平顺性,实现汽车良好可持续发展。具体的研究内容如下:首先,对随机输入路面等级辨识方法的理论内容进行研究,包括路面等级辨识的具体流程,辨识方法中涉及到的理论方法如:希尔伯特黄变换对振动信号分析的具体实现方法,概率神经网络分类的基本原理等理论研究内容。其次,建立1/4车辆振动模型,基于希尔伯特黄变换对随机输入下的车辆振动仿真数据进行分析处理,提取不同等级路面下相应的特征参数,并把特征参数作为概率神经网络的输入,对路面分类器进行训练,确定其内部的结构与权重,完成随机输入路面分类器的设计。然后,进行典型路面下的汽车平顺性试验,在车身和车桥上安装加速度传感器,采集试验车辆在试验路面下的振动响应数据,同时对试验数据进行与仿真数据同样的分析处理后,提取敏感特征参数,并将其输入到训练完成的概率神经网络分类器中,得到试验路面的等级辨识结果。最后,基于模型预测控制理论,在模型预测控制算法的基础上将离线计算和在线查表两个步骤替代滚动优化,缩短反复优化计算的过程,完成汽车可控悬架显式模型预测控制器和被控对象模型的设计,通过与被动悬架的仿真结果对比分析验证控制效果。论文研究结果表明:在进行随机输入路面等级的辨识后,利用显式模型预测控制算法对汽车悬架控制,可以有效改善车辆的行驶性能,且改善了30.45%左右。