随着社会经济的高速发展,汽车得到了广泛的普及,同时人们对汽车的行驶平顺性和操纵稳定性提出了更高的要求。在车辆复杂的振动系统中,被动悬架系统受自身结构的限制,不能随外界状态的变化改善振动的传递强度及车轮与路面间的接触状态,因而需要主动或半主动悬架系统来进行有效的控制。磁流变技术近年来受到人们极大的重视,利用磁流变液的流变特性制成的磁流变阻尼器在振动控制领域显示出了优越的性能。将磁流变阻尼器应用于车辆悬架系统,可以耗散由路面激励产生的振动能量,改善车辆的行驶平顺性。本文以基于磁流变阻尼器的半主动悬架控制系统为研究对象,通过对国内外悬架系统的研究概况进行综述以及对各种半主动控制策略的对比分析后,针对磁流变阻尼器固有的高度非线性特性,提出运用BP神经网络建立磁流变阻尼器的神经网络模型来模拟其逆向动特性,即给定阻尼器的位移和期望控制力,预测所需的输入电压。最后,将该逆向模型与LQR主动控制方法结合形成车辆半主动悬架系统的闭环反馈控制。通过数值仿真进行了分析与验证,结果表明：磁流变阻尼器的逆向神经网络模型能提供连续的输入电压,实现阻尼力连续可调,同时MR阻尼器的输出阻尼力能很好地跟踪主动控制力,相比于较被动悬架系统,半主动悬架系统的整体性能得到明显改善。对悬架系统与转向系统进行集成控制的研究,考虑子系统间的动力耦合关系,提出磁流变半主动悬架系统与电动助力转向系统的分层协调控制策略,分别设计了基于磁流变阻尼器逆向神经网络模型的悬架子系统最优控制器和电动助力转向子系统PID控制器,以车辆整体性能最优为目标,构建了上层协调控制器。仿真结果表明,相比于子系统的单独控制,分层协调控制可有效地提高车辆的综合性能,改善汽车的行驶平顺性和操纵稳定性。