1.一种基于RBF神经网络滑模变结构控制的车辆ISD悬架主动控制方法，其特征在于，包括以下步骤：步骤1)：建立被控模型：

其中，ms为簧载质量，mu为非簧载质量，k为悬架弹簧刚度，kt为轮胎等效刚度，b为惯容器惯质系数，F1为惯容器主动输出力，zr为路面的垂直位移，zu为被控模型的非簧载质量垂直位移，zs为被控模型的簧载质量垂直位移， 为被控模型的簧载质量垂直速度， 为被控模型的簧载质量垂直加速度， 为被控模型的非簧载质量垂直速度， 为被控模型的非簧载质量垂直加速度；

建立理想参考模型：

其中，cs为可调阻尼系数，T(s)为具体结构的等效阻抗，zur为参考模型的非簧载质量垂直位移，zsr为参考模型的簧载质量垂直位移， 为参考模型的簧载质量垂直速度， 为参考模型的簧载质量垂直加速度， 为参考模型的非簧载质量垂直速度， 为参考模型的非簧载质量垂直加速度；

步骤2)：定义两悬架系统簧载质量位移误差的积分、两悬架系统簧载质量位移的误差和两悬架系统簧载质量速度的误差为跟踪误差矢量e：步骤3)：设计切换面函数：s＝Ce＝[c1，c2，c3][e1，e2，e3]T＝c1e1+c2e2+c3e3.其中，C＝[c1，c2，c3]，c1，c2和c3均为常数；对切换面函数求导并令其为零可得滑模变结构的等效控制为：Fd＝-[CBe]-1C(Aee+HeXr)；

步骤4)：确定等速趋近律： 其中，ε为常数，sgn为符号函数；由此，系统滑模变结构控制可表示为：步骤5)：利用RBF神经网络优化滑模变结构控制。

2.根据权利要求1所述的一种基于RBF神经网络滑模变结构控制的车辆ISD悬架主动控制方法，其特征在于，其中，步骤5)具体包括：步骤5.1)：RBF神经网络的输入为：其中，s切换函数，为切换函数的导数；

步骤5.2)：RBF神经网络的隐含层选取N个神经元，径向基函数选用高斯函数：其中，cj高斯函数的中心值，bj为网络基宽

参数；

步骤5.3)：RBF神经网络控制目标为 RBF神经网络的输出为：其中，权值wj取1.2，高斯函数的中心值cj＝[-N，-(N-1)，...，-1，0，

1，...，N-1，N]；N为大于1的自然数；

步骤5.4)：RBF滑模变结构控制的输出为：

3.根据权利要求2所述的一种基于RBF神经网络滑模变结构控制的车辆ISD悬架主动控制方法，其特征在于，其中，网络基宽参数bj均为常数10。

4.根据权利要求1所述的一种基于RBF神经网络滑模变结构控制的车辆ISD悬架主动控制方法，其特征在于，其中，步骤2)还包括建立误差模型，并将其写成状态空间方程的形式：其中，为跟踪误差矢量的一阶导数，Ae，Be和He为系数矩阵，Ue为输入变量， 为状态变量。

5.根据权利要求1所述的一种基于RBF神经网络滑模变结构控制的车辆ISD悬架主动控制方法，其特征在于，其中，步骤3)中，通过设定系统动态性能指标，从而确定切换面函数的系数向量C。

6.根据权利要求5所述的一种基于RBF神经网络滑模变结构控制的车辆ISD悬架主动控制方法，其特征在于，其中，步骤3)中，通过设定系统的超调量σ％≤12％和峰值时间tp≤

0.7，从而确定切换面函数的系数向量C＝[31.413，6.266，1]。

7.根据权利要求1所述的一种基于RBF神经网络滑模变结构控制的车辆ISD悬架主动控制方法，其特征在于，其中，步骤1)中，所述路面的垂直位移zr为：其中，v是行驶车速，w(t)是白噪声信号，Gq(n0)为路面不平度系数。