随着汽车工业技术的大力发展,据调查统计,交通事故已成为导致人类死亡率升高的最主要因素,因此,对于汽车的安全性能要求越来越高。汽车防抱死系统(Antilock Braking System-ABS)作为新兴的技术,作为汽车的一种主动安全装置,在车辆运行过程中当发生制动时,它能够自动调节车轮的制动力,并有效的缩短汽车的制动距离、提高制动时的方向稳定性,防止车轮被抱死,从而保证汽车有侧向的稳定性和转向的可操纵性。目前,已成为人们选购衡量汽车配置高低的一项重要指标。目前现有ABS系统控制算法主要是基于PID自适应控制和逻辑门算法实现。基于现有算法的局限性,本文引入神经网络算法,在Matlab/Simulink环境下,运用有限状态对影响防抱死系统的多个因素进行了单一和综合的分析考虑,建立了一种基于神经网络模糊的模型。把不同的影响因素作为输入值,通过权值的确定,匹配确定模型各个因素的比重值,从而能够更加有效的模拟现有环境对防抱死系统的影响。首先,依据动力理论学建造了基于改进角加速度阈值的制动车辆的控制模型,将当前的角加速度值和设定的最佳阈值进行比较,当角加速度值超过设定的阈值,则控制单元将向液压调节器发送信号,进行自动防抱死系统的权值计算。接着,考虑了地面路况造成的摩擦系数对系统的影响,并考虑了牵引系统的影响权值,通过单独模型的输入,确立各个因素对系统的影响权值,利用神经网络算法,把各个因素单独的作为输入,通过多个神经网络算法模型评估确定了各个因素的权重值。最后,再把各个因素作为综合的输入,根据确立的权重进行模糊控制,建立了相对稳定的调控模型,从而实现了优化现有系统的目的。本文综合考虑了各种因素对系统的影响,并通过仿真实验,验证了基于神经网络算法的该模型的可靠性。该项研究提高了ABS系统的性能,能够主动降低防抱死的可能性,改善了现有算法的局限性。为汽车汽车防抱死系统提供了一种新型的控制模型,将使得现有系统性能得到很大的提升。