按控制理论不同，电控悬架系统可分为半主动式、主动式两大类。其中半主动式又分为有级半主动式(阻尼力有级可调)和无级半主动式(阻尼力连续可调)两种；主动式悬架根据频带和能量消耗的不同，分为全主动式(频带宽大于15Hz)和慢全主动式(频带宽3～6Hz)；而根据驱动机构和介质的不同，可分为电磁阀驱动的油气主动式悬架和由步进电动机驱动的空气主动式悬架。

无级半主动悬架可以根据路面的行驶状态和车身的响应对悬架阻尼力进行控制，并在几毫秒内由最小变化到最大，使车身的振动响应始终被控制在某个范围内。但在转向、起步、制动等工况时不能对阻尼力实施有效的控制。它比全主动式悬架优越的地方是不需要外加动力源，消耗的能量很小，成本较低。

主动式悬架是一种能供给和控制动力源(油压、空气压)的装置。根据各种传感器检测到的汽车载荷、路面状况、行驶速度、起动、制动、转向等状况的变化，自动调整悬架的刚度、阻尼力以及车身高度等。它能显著提高汽车的操纵稳定性和乘坐舒适性，但是成本较高，能耗也较大。

虽然现代汽车电控悬架系统的结构形式和控制方法多种多样，但它们的基本原理却是相同的。

电子控制悬架系统由传感器与开关、控制单元、执行元件等电子器件组成。传感器和开关将路面输入的模拟信号转换为数字信号传送给控制单元ECU,控制单元ECU将传感器输入的电信号进行分析处理后输出控制信号给执行元件，执行元件的机械动作改变减振器的阻尼系数，调整弹簧的高度和刚度。

图1是以油气弹簧为弹性元件的电控主动悬架，4个车轮上的油气弹簧通过油路相连形成全封闭式环路控制系统。

它将车身或车轮的振动量经传感器变换成一种信息传给控制阀，使控制阀调整弹性元件的高度和刚度，以达到调节车身高度、保证良好行驶平顺性的目的。当车身发生倾斜时，布置在前、后轴上的四个控制阀控制油路系统，保持车身高度不变，使汽车具有抗侧倾、抗纵倾的作用。

虽然现代汽车电控悬架系统由的结构形式多种多样，但它们的基本组成却是相同的。即由感应汽车运行状况的各种传感器、开关，电子控制单元及执行机构等组成。传感器一般有车高传感器、车速传感器、加速度传感器、转向盘转角传感器、节气门位置传感器等。开关有模式选择开关、制动灯开关、停车开关和车门开关等。执行机构有可调阻尼力的减振器，可调节弹簧高度和弹性大小的弹性元件等。

转向盘转角传感器（如图2所示）用于检测转向盘的中间位置、转动方向、转动角度和转动速度。

在电控悬架中，电子控制单元根据车速传感器信号和转角传感器信号，判断汽车转向时侧向力的大小和方向，以控制车身的侧倾。现代汽车多采用光电式转向盘转角传感器，图3所示是一种光电式转向盘转角传感器的安装位置和结构图。

在转向盘的转向轴上装有一个带窄缝的圆盘，传感器的光电元件(即发光二极管)和光敏接收元件(光敏晶体管)相对地装在遮光盘两侧形成遮光器。由于圆盘上的窄缝呈等距均匀分布，当转向盘的转轴带动圆盘偏转时，窄缝圆盘将扫过遮光器中间的空穴，从而在遮光器的输出端，即可进行ON、OFF转换，形成脉冲信号。

光电式转向盘转角传感器的工作原理如图4所示。

当转动转向盘时，带窄缝的圆盘使遮光器之间的光束产生通/断变化，遮光器的这种反复开/关状态产生与转向轴转角成一定比例的一系列数字信号，系统控制装置可根据此信号的变化来判断转向盘的转角与转速。同时，传感器在结构上采用两组光耦合器，可根据检测到的脉冲信号的相位差来判断转向盘的偏转方向。这是因为两个遮光器在安装上使它们的ON、OFF变换的相位错开90°，通过判断哪个遮光器首先转变为ON状态，即可检测出转向。

5.2 加速度传感器

在车轮打滑时，不能以转向角和汽车车速正确判断车身侧向力的大小。为了直接测出车身横向加速度和纵向加速度，可以利用加速度传感器。横向加速度传感器主要用于检测汽车转向时，汽车因离心力的作用而产生的横向加速度，并将产生的电信号输送给电子控制单元ECU。使电子控制单元能判断悬架系统的阻尼力改变的大小及空气弹簧中空气压力的调节情况，以维持车身的最佳姿势。

加速度传感器常用的有差动变压器式和钢球位移式等结构形式，下面介绍一下钢球位移式加速度传感器。

钢球位移式加速度传感器的结构如图5所示。

根据所检测的力(横向力、纵向力或垂直力)不同，加速度传感器的安装方向也不一样。如汽车转弯行驶时，钢球在汽车横向力的作用下产生位移，随着钢球位置的变化，造成线圈的输出电压发生变化。所以，悬架系统电子控制装置根据加速度传感器输入的信号即可正确判断汽车横向力的大小，从而实现对汽车车身姿势的控制。

有级式半主动悬架将阻尼分成两级、三级或更多级，可由驾驶员选择或根据传感器信号自动进行选择所需要的阻尼级。图6所示的是装在半主动悬架中的三级阻尼可调减振器的旁路控制阀。它是由调节电动机l带动阀心2转动，使控制阀孔3具有关闭、小开和大开三个位置，产生三个阻尼值。

图7所示为空气悬架气动缸的基本结构剖视图。

气动缸由封入低压惰性气体和阻尼力可调的减振器、旋转式膜片、主气室、副气室和悬架执行元件组成。主气室是可变容积的，在它的下部有一个可伸展的隔膜，压缩空气进入主气室可升高悬架的高度，反之使悬架高度下降。主、副气室设计为一体既省空间，又减轻了重量。悬架的上方与车身相连，随着车身与车轮的相对运动，主气室的容积在不断变化。主气室与副气室之间有一个通道，气体可以相互流通。改变主、副气室的气体通道的大小，就可以改变空气悬架的刚度。减振器的活塞通过中心杆(阻尼调整杆)和齿轮系与直流步进电动机相连接。步进电动机转动可改变活塞阻尼孔的大小，从而改变减振器的阻尼系数。

悬架刚度的自动调节原理如下图所示。主、副气室间的气阀体上有大小两个通道。步进电动机带动空气阀控制杆转动，使空气阀阀芯转过一个角度，改变气体通道的大小，就可以改变主、副气室气体流量，使悬架的刚度发生变化。

悬架刚度可以在低、中、高三种状态间变化。

当阀芯的开口转到对准图8中所示的低位置时，气体通道的大口被打开。主气室的气体经过阀芯的中间孔、阀体侧面通道与副气室的气体相通，两气室之间的空气流量越大，相当于参与工作的气体容积增大，悬架刚度处于低状态。

当阀芯开口转到对准图8所示的中间位置时，气体通道的大口被关闭、小口被打开。两气室之间的流量小，悬架刚度处于中间状态。

当阀芯开口转到对准图8所示的高位置时，两气室之间的气体通道全部被封闭，两气室之间的气体相互不能流动。压缩空气只能进入主气室，悬架在振动过程中，只有主气室的气体单独承担缓冲工作，悬架刚度处于高状态。

电控悬架主要包含执行机构和控制策略两大部分。由于执行机构完全按照控制策略的要求来输出主动力，因此电控悬架设计的关键， 就是选取能够为车辆提供良好性能的控制策略。不同的控制策略，将会导致不同的悬架特性和减振效果。

20世纪60年代，线性最优控制理论已被应用于车辆悬架系统的研究中。线性二次型调节器控制理论（简称 LQR）和线性二次高斯型控制理论（简称LQG）是主动悬架设计人员常用的方法。理论上讲， LQR和 LQG 主动悬架大幅度地改善了车辆的性能，且具有较大的稳定裕量。但主动悬架对模型摄动时基本不具备鲁棒性，在激励频率大于60Hz时，系统极易变得不稳定。因此线性最优控制具有以下不足之处：①采用线性最优控制理论来设计主动悬架时，需要有一个明确的目标函数；②最优控制理论很难处理好频域内的减振问题，难以使车辆兼具良好的时域和频域性能；③没有考虑模型的不确定性，只是在平均意义上对随机白噪声扰动进行了抑制。因此当模型存在摄动时， 线性最优控制基本不具有鲁棒性。

主动悬架的预瞄控制能够根据车辆目前的行驶状态和未来干扰等因素来提前给出调节作用，使悬架系统最有效地抵消外部干扰所引起的振动。预瞄控制的实现方法有两类，一类是将前轮悬架的状态信息反馈给后轮悬架，另一类是通过测量车轮前方道路来获得实时的路况信息，并将此信息作为主动悬架设计的重要依据。预瞄控制的不足之处主要有：①预瞄控制是在假定悬架系统是线性时不变系统的情况下制定的，并没有对车辆参数的时变性加以研究；②预瞄控制要求车辆装备特制的预瞄传感器，虽然在技术上是可行的，但考虑到实车的制造成本、车辆工作环境对传感器使用寿命的影响等实际问题，要将预瞄控制应用于实际还有很多问题有待解决。

自适应控制是一种实时调节控制器的方法，其研究对象是具有一定不确定性的系统。这里所谓的“不确定性”是指描述被控对象及其环境的数学模型不是完全确定的，其中包含一些未知因素和随机因素。在悬架控制系统的设计中，自适应控制能自动监测系统参数的变化，并实时地调节控制策略，从而使系统具有良好的性能。目前，比较完善的自适应理论有模型参考自适应控制和自校正控制。前者可对控制器的参数进行直接更新，而后者是采用参数估计的方式间接地对控制器进行更新。但是自适应控制仅适合于悬架参数在某一特定范围内缓慢变化的情况。当系统参数的变化超出特定的范围时， 系统的控制效果将会变差。

由人作为控制器的控制系统是典型的智能控制系统，其中包含了人的高级智能活动。模糊控制在一定程度上模仿了人的控制，其控制特点是：①不需要准确的数学模型；②将大量的控制经验和知识作为控制的主要依据。考虑到悬架系统本身的非线性和所处环境的复杂性等因素，悬架系统可采用模糊控制策略来获得满意的控制效果。然而模糊控制规则的完整性、模糊子集的定义、隶属度函数的确定、模糊推理机制等因素都会对模糊控制器的性能产生影响，而这些因素大都依赖于专家的经验。而在很多情况下，专家经验并不完备，有时是相互矛盾的，甚至根本没有专家的经验可以利用，这大大增加了模糊控制器设计的难度。为了使模糊控制器具有良好的自适应性和鲁棒性，许多专家致力于模糊控制器自动设计的研究。

人工神经网络是在现代生物学研究人脑组织所取得成果的基础上，将大量简单的处理单元广泛连结组成的复杂网络，可用来模拟人的直观性思维模式。神经网络控制系统作为一个新兴的领域，已经引起了控制界的兴趣，许多学者将其应用在了主动悬架控制中。学习是神经网络研究的一个重要内容，它的适应性是通过学习实现的。然而神经网络学习速度较慢，不适合应用在实时控制中；此外，如何获取神经网络的训练样本和改进训练策略等问题还有待于进一步研究和解决。

在上述控制方法外，还有一些其它的方法，比如滑模控制、免疫进化控制等。无论采用何种控制方法，车辆的性能均有不同程度的改善。在研究和开发中，结合实际车辆的工况，设计简单有效、实用的控制方法是车辆主动悬架研究工作的主要目标。