摘要： 针对现有主动悬架在应用最优控制时缺乏路面扰动识别内容的问题，提出一种识别路面扰动反馈的最优控制器。该控制器在传统系统状态反馈最优控制的基础上引入扰动反馈项，并通过粒子群算法优化加权系数，同时采用直线电机作为作动器。考虑到路面不平度与系统状态响应获取存在先后顺序，采用开环带有外部输入的非线性自回归(Nonlinear Auto-regressive Model with Exogenous Inputs，NARX)神经网络预测与逆模型相结合的方法来识别路面不平度。神经网络离线训练在线识别，识别模块实时将结果传输给控制器。在整车模型上对控制策略进行仿真。结果表明，粒子群优化使平顺性指标显著改善；采用的路面识别方法可有效提高识别的精确性；与不识别扰动控制相比，本策略可有效降低悬架动挠度的恶化，并改善整体控制效果。

关键词: 振动与波, 主动悬架, 最优控制, 粒子群算法, 路面不平度识别, NARX神经网络, 逆模型