随着我国汽车产品消费升级,NVH（Noise Vibration&Harshness）性能成为衡量汽车品质和决定顾客购买意愿的重要因素之一。纯电动汽车作为汽车未来发展的主要趋势,在行驶过程中,低频宽带路噪对车内噪声的贡献相较于传统汽车显著提升。传统的被动降噪方法对低频噪声的降噪效果有限,主动噪声控制技术通过发出与初级噪声源相等幅值相反相位的次级声源进行抵消衰减,能够在指定的区域内实现静声区,对低频噪声有较好的降噪效果。纯电动汽车车内低频噪声主要来源于轮胎与路面相互作用产生的结构路噪,因此降低车内低频噪声的关键在于对车辆结构（轮心、悬架、底盘和车身）传递噪声的主动控制。本文基于以上分析,研究了主动噪声控制系统的原理及实施方法。根据车内结构路噪的特性,开发了新的自适应主动噪声控制方法以降低纯电动汽车车内路噪。结构路噪是由轮胎和路面接触面压缩、滚挤和释放时产生的激励力所引起,因此车内路噪与车辆不同结构部位的振动加速度信号具有一定相关性。纯电动汽车车内路噪的主动控制策略为:首先,利用神经网络通过相干度较高的振动加速度信号对车内路噪信号进行辨识。然后,采用改进的前馈FXLMS算法对纯电动汽车车内路噪实施主动控制。根据研究的控制方法,完成以下工作:采用改进的BP（Back Propagation,反向传播）神经网络算法辨识车内路噪信号,将同时测得的车辆不同结构部位的振动加速度信号和驾驶员头枕部位的噪声信号作为辨识模型的输入和输出,验证改进BP神经网络的辨识效果。在主动噪声控制算法研究的过程中,提出了对参考信号和误差信号进行限幅的增强广义自适应权重限制EGMACFx LMS算法,此后又提出了基于PSO算法（Particle Swarm Optimization,粒子群优化）且带有参考信号平滑滤波器的自适应步长NASFSx LMS-PSO算法,进一步提高了降噪性能。基于提出车内路噪主动控制方法,在MATLAB/Simulink中搭建了纯电动汽车车内路噪主动控制模型。模拟不同的噪声信号,并作为EGMACFx LMS和NASFSx LMS-PSO算法的参考信号,仿真初步验证了提出的主动降噪算法的有效性。在MATLAB/Simulink搭建的主动噪声控制模型中,使用实车采集的不同行驶工况下的噪声信号和振动加速度信号作为参考信号进行降噪仿真。当以噪声信号为参考信号时,降噪频带宽度可达300Hz,降噪量集中分布在5-12d B（A）。当以振动加速度信号为参考信号时,最大降噪量可达20d B（A）。此后,基于提出的纯电动汽车路噪主动方法进一步搭建了硬件在环试验平台,并利用采集的实车数据进行降噪试验。当车内噪声信号作为参考信号时,主动噪声控制系统实现的降噪频带宽度可达120-260Hz,降噪量集中分布在3-8d B（A）,最大降噪量达17d B（A）。当以振动加速度信号作为参考信号时,主动噪声控制系统对噪声信号60-300Hz频段具有较好的控制效果,降噪量集中分布于2-7d B（A）,最大降噪量达13d B（A）。