随着科技的不断发展,公路运输已成为促进社会经济发展的主导力量。半挂汽车列车因其运输量大、效率高等优点,被广泛应用于公路运输当中。与此同时,由于半挂汽车列车复杂的耦合结构所造成的交通事故,也日益受到人们的重视。因此本文以半挂汽车列车为研究对象,对其横摆稳定性和侧倾稳定性进行了研究分析,并设计了神经网络控制器,实现了对半挂汽车列车稳定性的控制。本文的主要工作如下:首先,对半挂汽车列车的横摆稳定性和侧倾稳定性进行了分析,并把降低这两种失稳现象发生的机率作为本文的研究目标。通过简化,建立了包含非线性轮胎模型的3轴半挂汽车列车的平面参考模型。其次,介绍了生物神经网络和人工神经网络的含义,并分析了目前应用较为广泛的BP(Back Propagation)神经网络模型的结构及其原理。通过对标准BP神经网络学习规则的掌握,提出了五种针对标准BP神经网络学习规则的有关改进方法,为下文系统辨识以及控制器设计的学习算法提供了选择依据。再次,阐述了系统辨识的含义,并具体分析了系统辨识的工作原理及其过程,包括神经网络训练数据的采集与处理以及BP神经网络学习算法的选择和参数的确定。并根据非线性车辆辨识模型NNI(Neural Network Identification)设计了以侧向加速度为控制目标的神经网络控制器NNC(Neural Network Controller)。最后,在仿真软件Trucksim中选取了鱼钩和双移线两种典型工况,联合Matlab/Simulink在高、低附着系数路上进行了动态仿真。仿真结果验证了神经网络控制器能够有效的控制车辆的稳定性,实现了本文的研究目标。