行驶平顺性是汽车的六大重要性能之一,而悬架系统直接影响着汽车的行驶平顺性。传统的被动悬架虽然具有结构简单、易加工制造、成本低廉等优点,但悬架系统参数匹配与优化是悬架设计的难题之一,同时被动悬架的性能是固定的,无法使汽车始终保持最佳行驶状态。而主动悬架可以通过控制作动器的输出使悬架系统始终处于最优状态,从而极大地提高汽车的行驶平顺性,但是现有主动悬架成本高、能量消耗大、控制复杂,这也限制了主动悬架在汽车上的普及应用。因此开发出廉价、节能、易控制的新型悬架系统对于主动悬架的推广应用具有重要意义。本文结合吉林省汽车产业发展专项资金项目——“轿车惯性调控主动悬架研制开发”(编号:20112330),基于汽车的行驶平顺性,以汽车悬架系统为研究对象,对被动悬架弹簧、减震器的参数优化和液压式主动悬架系统进行了研究,主要研究内容如下:(1)建立了悬架系统的动力学模型。本文对随机路面和整车模型进行了建模分析研究,建立了随机路面模型和整车七自由度模型,为被动悬架系统的参数优化和主动悬架控制系统的设计及仿真奠定了基础。(2)对汽车被动悬架弹簧刚度和减震器阻尼系数进行了优化。为了保证汽车在被动状态下的行驶平顺性,将粒子群算法和文化算法相融合得到“双演化,双促进”的改进文化粒子群算法,并用其对被动悬架系统的参数进行了优化。对于车身质心垂向加速度均方根值、车身俯仰角加速度均方根值、车身侧倾角加速度均方根值及四个车轮动载荷加速度之和的均方根值,采用优化参数比采用理论计算参数分别降低了18.93%、17.81%、18.36%和15.97%。(3)设计了主动悬架神经网络控制器。对于主动悬架控制系统,本文基于神经网络,设计了主动悬架LM-BP神经网络控制器和改进粒子群神经网络间接自适应控制器,并在整车七自由度模型上进行仿真。结果显示,相比于被动悬架,LM-BP神经网络主动悬架在车身质心垂向加速度均方根值、车身俯仰角加速度均方根值、车身侧倾角加速度均方根值上分别降低了36.06%、33.62%、29.08%;而采用改进粒子群神经网络间接自适应控制主动悬架则分别降低了42.52%、39.60%、40.59%。仿真和实车路面试验表明,采用改进文化粒子群算法优化悬架系统弹簧和减震器参数可以有效提高汽车在被动悬架状态时的行驶平顺性;而对于主动悬架,采用LM-BP神经网络的主动悬架和改进粒子群神经网络间接自适应控制主动悬架的行驶平顺性要优于被动悬架,这也验证了主动悬架控制系统的有效性,保证了汽车在主动悬架状态下行驶的平顺性。