悬架系统的目标是改善车辆行驶时的道路保持性,其设计的主要问题是设计人员必须处理好相互矛盾的指标,也就是车辆应具有良好的舒适性和操纵性。磁流变阻尼器由于工作输出范围大、反应时间快和价格低廉等优点被认为是最适合应用于半主动悬架中的工作元件选择。所以,建立准确的模型和设计出有效的控制策略对车辆的半主动控制具有较强的现实意义。由于磁流变阻尼器的强非线性和迟滞性,为磁流变阻尼器半主动悬架的建模和控制策略的设计带来了很大的困难,所以主要针对这两个问题进行了建模和数值分析。对Lord公司的磁流变阻尼器进行了标定实验,分析了磁流变阻尼器的非线性和迟滞性。采用物理意义明确、结构简单的Dahl模型并进行了参数拟合,随后验证了所建立参数化模型的正确性。采用BP神经网络对Dahl模型进行了非线性拟合,建立了磁流变阻尼器的神经网络逆模型并进行了数据验证和泛化性验证。建立了四分之一半主动悬架和被动悬架的仿真模型和状态空间方程作为研究的基础,采用白噪声法建立了随机路面的时域模型作为悬架系统的激励输入模型。为磁流变阻尼器半主动悬架的最优控制器设计提供了理论准备。选取车身加速度、悬架行车和轮胎变形作为车辆的性能指标,建立了带有加权矩阵的目标函数,由于采用传统方法选取加权矩阵往往费时费力,为了解决这一问题,采用遗传算法对最优控制器的权重矩阵进行了优化选取,在Simulink中进行了仿真实验验证,结果表明,与被动悬架相比,车身加速度的均方根值下降了38.7%,基于遗传算法最优控制的磁流变阻尼器半主动悬架能有效改善乘坐舒适性。图58幅;表6个;参58篇。