矿用自卸车在大型露天矿山运输工具中占有2/3的市场份额，但由于研发技术相对滞后，国内在很长一段时间内对矿用自卸车的需求主要依赖进口。为改变这种现状，国务院将矿用自卸车确定为十六个重大技术装备关键领域之一，并对矿用自卸车的性能提出了较高的要求。在政策和市场需求的驱动下，矿用自卸车的研发进入了高速发展阶段。由于矿区工作条件恶劣，自卸车在行驶过程中产生的振动影响驾驶员乘坐舒适性，使其易于产生疲劳。因此，非常有必要对矿用自卸车的行驶平顺性进行研究和优化。整车平顺性仿真分析和研究的关键问题是如何提高动力学模型的建模精度，其中，准确参数的获取方法又是动力学建模需首要解决的问题之一，例如对整车平顺性具有较大影响的座椅空气弹簧悬架非线性刚度阻尼特性、油气悬架非线性刚度阻尼特性和矿山软土路面不平度等相关参数均由于矿用自卸车的特殊性及各方面条件的限制，不易直接通过试验准确获取，或者获取的成本较高，且传统算法得到的辨识结果精度较低。因此，本文提出新的粒子群神经网络，在整车行驶平顺性试验数据的基础上，对上述参数进行有效辨识，这对于降低车辆开发成本，提高开发水平具有重要意义，并最终在建立的基于辨识参数的整车动力学模型基础上，考虑了不确定因素对优化结果的影响，借助改进粒子群算法对悬架非线性参数进行区间不确定性优化，有效改善整车行驶平顺性。　　本研究主要内容包括：⑴结合混沌初始化技术、惯性权重动态调整策略和小生境进化策略，改进了粒子群算法优化机制，提高算法搜索速度及精度。然后将改进的粒子群算法植入神经网络的拓扑结构，用以替换网络的BP学习算法，构建出基于改进粒子群神经网络（CANPSO-BP网络）的智能辨识算法。⑵在建立整车刚柔耦合模型的基础上，利用CANPSO-BP网络对座椅空气弹簧悬架和油气悬架非线性刚度阻尼参数进行辨识分析，通过与标准BP网络和PSO-BP网络的比较，验证CANPSO-BP网络的辨识能力。最终根据整车道路试验，分别对座椅空气弹簧悬架和油气悬架非线性刚度阻尼参数进行辨识和验证。⑶结合车辆地面力学理论基础，对弹性轮胎在软土路面上的相互作用力公式进行推导。编写出适用于ADAMS的TIRSUB轮胎子程序，建立车辆-软土路面耦合模型。并在反映矿山软土路面变形的基础上，利用CANPSO-BP网络对矿山路面不平度进行辨识研究。⑷在建立的基于辨识参数的整车动力学模型基础上，利用区间不确定性优化方法，以油气悬架和座椅空气弹簧悬架非线性刚度阻尼系数为优化变量，载货量、质心位置和车速作为不确定性变量，对座椅加权加速度均方根值进行优化，并与确定性优化结果进行对比分析，结果表明：得到的最优设计参数在提升自卸车整车行驶平顺性的同时又具有较好的稳健性。