本文主要针对某款试验电动车在tip-in、tip-out等扭矩突变工况下的车辆低频纵向振动现象进行了控制策略的开发,并针对车辆舒适性设计了基于神经网络的主观评价规则。首先通过实车的工况实验获取车辆状态参数确认了低频纵向振动现象的存在。在ADAMS/car模块中针对该车型建立了完整的整车模型并完成实验校核,基于整车模型开展了车辆低频纵向振动的机理分析和相应的离线仿真研究。然后建立了面向控制的传动系统模型;针对参数时变问题,提出了模型参数的在线递推辨识,通过Simulink和ADAMS的联合仿真完成辨识过程;结果表明参数在线递推辨识的模型能够与真实车辆特性相符,且提高了控制器应用的通用性和可靠性。接着针对车辆纵向振动问题,在控制模型的基础上,开发了基于模糊识别的双目标扭转振动控制策略。在tip-in工况初始阶段实施LQT控制,在tip-in扭矩上升后实施LQ控制的策略,并设计了基于模糊识别的融合系数,通过融合系数实现tip-in工况下LQT算法到LQ算法的流畅切换。最后在完成控制策略设计的基础上开展了车辆舒适性评价方法研究。基于实车的实验数据和主观评价结果,完成了神经网络评价模型的训练,神经网络模型实现了基于客观数据的主观评价功能。通过评价模型对第四章中控制策略的仿真结果进行主观评价,结果表明:模糊切换算法发挥了LQT和LQ各自的优势,同时抑制了各自的缺陷,能更好的满足tip-in工况在不同阶段对舒适性和动态响应性要求不同的特性。