南乌拉尔州立大学的科学家已经提出了一种有效的基于人工神经网络的低级控制器，该控制器具有时滞，用于自适应减震器。DSc的Yuri Rozhdestvensky和他的研究小组描述了基于人工神经网络的主动减震器控制算法的使用。他们的文章名为“基于时延神经网络的主动减震器控制”，发表在一期专门针对智能交通系统的能源杂志上。

驾驶者越来越多地选择可调节的悬架来适应任何类型的路面。SUSU的科学家试图使用人工神经网络来提高可调节汽车悬架中自适应减震器的质量。

这种自适应减震器可以显着提高平整度，舒适度，操控性，稳定性并有助于改善交通安全性。自适应减震器具有能量源，可以在车辆行驶时完全消除不必要的垂直运动。

“主动减震器是一个复杂的技术系统，具有基本非线性的性能特征，具有对变化的条件产生迟滞，'迟响应'的特性。控制主动减震器的困难在于，要求的力值相同可以通过各种性质的执行器来实现，因此本文中考虑的减震器具有电磁阀和液压泵，具有响应时间长的特点，但由于液压泵控制错误，因此产生的系统误差可以大大低于电磁阀”。YuriRozhdestvensky说。

自适应减震器控制系统的当前设计使用基于理想数学模型的简化控制算法。

科学家们提出了一种基于人工神经网络的主动减震器控制算法。神经网络可以根据网络结构的选择及其训练准确地估计许多变量的任何连续函数，这使得它们可以在包括控制系统在内的各种领域中使用。

“神经网络的训练使用了大量的实验数据进行，涵盖了减震器运行的各种模式。选择了具有时间延迟的神经网络的结构，这使它能够记住输入信号的顺序，并且该算法将神经网络与比例-积分-微分调节器相结合，并通过现代进化算法对其进行了调整，该算法在执行减振器的典型和极限工作模式时的结果以及集成的自适应悬架控制系统的一部分，都显示了所提出解决方案的高效率。”研究团队成员工程师亚历山大·阿尔尤科夫(Alexander Alyukov)说。

主动冲击吸收器具有高能耗，因此研究人员认为，他们在悬挂电动和混合动力汽车的使用似乎是最有前途的。目前，科学家们继续与来自美国，德国和西班牙的世界领先研究实验室和大学的同事合作，研究自适应车辆悬架。