纯电动汽车能够实现零排放,可以解决汽车对环境的污染问题,对保护生态环境具有重大意义。但是由于纯电动助力汽车没有发动机和油泵,所以只能使用电动助力转向(Electric Power Steering,简称EPS)。而且汽车转向系统经历了传统的机械转向系统、常规液压助力转向系统、电控液压助力转向系统、电动助力转向系统四个发展阶段,并有继续向电子化和智能化发展的趋势。此外EPS系统相比较于以往的汽车转向系统有安全、环保、节能、装置灵活、调整简单等优越之处,近年来一直是国内汽车转向的研究热点,具有广阔的应用前景。由于电动助力转向系统是一个非线性的多输入多输出系统,存在非线性、时变性和不确定性,并且不容易建立精确的系统数学模型,应用传统的控制理论不能很好的解决EPS系统中存在的一些问题,因此本文将基于神经网络的模糊控制技术用于EPS系统中,通过Simulink仿真实验研究了系统动态特性以及模糊神经网络对系统性能的影响。本文在EPS系统国内外的研究现状、特点、工作原理、结构组成的基础上,通过对汽车EPS系统的动力学、运动学和负载特性分析,分别建立了机械转向系统数学模型和EPS系统数学模型,并对其助力特性、转向随从性和系统稳定性进行了分析；然后设计了一种基于神经网络的模糊控制器,并将其应用于EPS系统中,建立EPS系统仿真模型；最后通过仿真实验结果表明,模糊神经网络控制器可以有效的克服EPS系统的非线性和参数变化对系统性能的影响,从而提高系统的鲁棒性,并能较好地满足助力要求。与传统的PID控制相比,模糊神经网络控制具有鲁棒性好,超调量小,自适应能力强等优点,是一种有应用前景的智能控制方法。