悬架系统是汽车重要的子系统之一,决定着汽车的平顺性与操控稳定性,对于提高汽车的总体性能起到了很大的作用。悬架系统包含被动悬架、主动悬架与半主动悬架。其中主动悬架可灵活应对不同的路面条件以获得最佳性能,因而成为了汽车行业研究与开发的热点。本文以模型预测控制为核心,结合路面不平度识别,对车辆悬架的主动控制进行研究,主要工作内容如下:（1）建立了四分之一车辆、半车和整车的悬架系统模型、永磁同步直线电机作动器的数学模型以及路面激励模型,阐述了悬架系统的性能评价方法,为基于车辆响应的路面识别与主动悬架控制奠定了基础。（2）采用NARX神经网络对路面不平度进行时域信息的获取,采用蝙蝠算法对NARX神经网络的参数进行优化,以达到最佳的识别效果。分析了不同路面条件、不同行驶车速、随机噪声与簧上质量的改变对路面信息识别结果的影响,验证了神经网络识别路面信息方法的有效性与普适性。（3）结合路面不平度的时域识别,分别基于四分之一、半车以及七自由度整车三种悬架系统模型实现了主动悬架的模型预测控制。探究了参数与预瞄方式对模型预测控制效果的影响。针对模型预测控制依赖建模精度的问题,采用反馈校正法提升其鲁棒性。针对模型预测控制在线计算量大的问题,采用显式模型预测提升其时效性。仿真验证了其有效性和正确性。（4）设计并搭建四分之一车辆主动悬架台架试验平台。针对路面识别与主动悬架模型预测控制方法进行台架实验验证。实验结果证明了本文提出的神经网络路面识别方法与主动悬架模型预测控制算法的有效性。