悬架是现代汽车的重要组成部分之一,它是连接车架与车桥的弹性机构,是保证车辆乘坐舒适性和行驶安全性的重要组成部件。传统的被动悬架因为阻尼参数的不可调整,很难满足现代车辆对减振和行驶安全性的要求;而主动悬架系统虽然克服了被动悬架系统的缺陷,但由于其造价和使用成本高昂,很难推广。近年来,随着电子技术、半导体技术和计算机技术的迅猛发展,人们开展了对电子控制悬架的研究,以提高车辆悬架的综合性能。采用嵌入式计算技术控制的阻尼可调的半主动悬架,因为造价低廉,结构简单,减振效果好等优点,有着很高的研究价值和应用前景。目前,对半主动悬架模糊控制器的模糊控制规则,大多按照设计者和专家的经验进行。在某些系统中,由于设计者和专家自身经验的局限性,造成控制器的设计无法保证最优或者次优的控制性能。而神经网络具有自学习的能力,通过训练来学习给定的经验,并由此生成给定的控制规则,能显著改善控制器的适应能力。本文首先结合PDC(parallel distribution of compensation controller)并行分布补偿理论,将独立建模的各个悬架子系统用隶属函数连接起来,构成一个整车悬架动力学模型。各个子系统通过不同的连接权值来反映其在整个系统中的动力学贡献。其次,将自适应神经网络(ANFIS)和模糊控制器算法移植到以ARM7TDMI为内核的LPC2138处理器上,并对算法进行了调试。并对在嵌入式平台上实现神经网络自学习控制算法,做了初步的探讨,还有待于实车实验对算法进行进一步地验证。最后,在uCLinux嵌入式操作系统上移植了MiniGUI图形库。基于MiniGUI设计了人机交互界面,方便了对整个控制系统的观察和控制。