悬架作为汽车的重要组成部分之一，它对汽车的乘坐舒适性、行驶的平顺性和操作稳定性有着很大的影响。与传统被动悬架相比，主动悬架系统可以根据汽车行驶的实际路况来改变参数，使汽车始终保持最佳的行驶状态。然而，主动悬架系统是一个非常复杂的系统，常规控制已很难达到良好的控制效果。因此，将智能控制运用到主动悬架控制上具有重要的历史意义。本文研究的核心是主动悬架模糊控制和模糊神经控制系统。首先通过对悬架系统的评价方法、悬架的基本特性和建模的条件假设进行分析，建立了1/4车辆二自由度被动悬架和主动悬架的动力学模型。然后开始对模糊控制和模糊神经控制系统进行研究，通过对模糊控制系统的组成、原理进行分析，设计了模糊控制器，同时建立了模糊控制规则和模糊推理；通过对神经网络控制原理进行研究，将其与模糊控制相结合，利用神经网络来训练出模糊控制规则，设计成模糊神经控制器；最后利用MATLAB/Simulink对搭建的被动悬架系统、模糊控制和模糊神经控制的主动悬架系统进行仿真实验，并给出了仿真结果。本文用车身垂直加速度、车身动挠度和车轮动载荷作为悬架性能的评价指标，通过上述仿真实验的对比表明，模糊控制的主动悬架的性能要远远优于被动控制的悬架系统，模糊神经控制的主动悬架的性能要优于模糊控制的主动悬架。因而，验证模糊神经控制运用到主动悬架系统控制是十分有效的。