摘要： 为提升随机路面与局部脉冲激励路面下的悬架平顺性，提出语义分割路面识别的主动悬架显式模型预测控制(Explicit Model Predict Control，EMPC)方法。建立2 自由度主动悬架动力学模型；搭建基于空洞空间金字塔池化的DeepLabV3 语义分割路面识别网络，对网络进行训练及验证；设计基于路面识别的主动悬架EMPC控制策略，将悬架动力学模型转化为预测模型，确定代价函数和约束条件，根据路面识别结果匹配代价函数最优加权权重；离线划分系统状态参数区域，求解各状态分区内系统的最优控制律；在随机路面和脉冲路面下，将所设计的控制策略与被动悬架、线性二次高斯控制(Linear-quadratic-gaussian Control，LQG)进行仿真分析对比。相较于LQG控制，基于路面识别的主动悬架EMPC控制策略可在随机路面下改善悬架性能，且在脉冲路面下对悬架的调节时间降低20 %以上，悬架的平顺性得到有效提升。

关键词: 振动与波, 路面识别, DeepLabV3, 语义分割, 主动悬架, EMPC控制