1.一种基于状态反馈x‑LMS算法的发动机主动悬置控制方法，其特征在于，按如下步骤进行：

步骤1：采集振动数据：

步骤1.1：设定循环次数为k，并且初始化k＝1；

T

步骤1.2：定义第k次循环的状态向量为Xk＝[x1.k x2.k x3.k x4.k] ，其中，x1.k为第k次循环的发动机振动位移，x2.k为第k次循环的发动机振动速度，x3.k为第k次循环的簧载质量振动位移，x4.k为第k次循环的簧载质量振动速度；

令 为Xk的估计值， 为x1.k的估计值， 为x2.k的估计值，为x3.k的估计值， 为x4.k的估计值；

步骤1.3：由位移传感器测量第k次循环的发动机与簧载质量之间的相对位移xr.k，由力传感器测量第k次循环的发动机振动时通过主动悬置传递给簧载质量的动态力Fd.k；

步骤2：根据发动机、主动悬置、簧载质量、悬架组成的发动机主动悬置系统的离散状态方程，建立如式(1)‑式(9)所示的Sage‑Husa卡尔曼滤波器，用于估计状态变量值：步骤2.1、利用式(1)计算第k次循环的一步预测均方误差Pk,k‑1：T

式(1)中，G为状态矩阵，G 为G的转置矩阵，Pk‑1为第k‑1次循环的均方误差，H2为第二输入系数矩阵， 为H2的转置矩阵， 为第k‑1次循环的第二输入变量Fin.k‑1的协方差矩阵；

步骤2.2、利用式(2)计算第k次循环的状态向量Xk的一步预测估计值式(2)中， 为第k‑1次循环的状态向量Xk‑1的估计值，H1为第一输入系数矩阵，Fc.k‑1为第k‑1次循环的第一输入变量， 为第k‑1次循环的第二输入变量Fin.k‑1的均值；

步骤2.3、利用式(3)计算第k次循环的残差vk：T

式(3)中，e(k)表示第k次循环的残余振动，且e(k)＝[xr.k,Fd.k] ，C为第一输出系数矩阵，D为第二输出系数矩阵，rk为第k次循环的测量噪声ηk的均值；

步骤2.4、利用式(4)计算第k次循环的增益矩阵Kk：T T ‑1

Kk＝Pk,k‑1C[CPk,k‑1C+Rk]               (4)T

式(4)中，C为第一输出系数矩阵C的转置矩阵，Rk为第k次循环的测量噪声ηk的协方差；

步骤2.5、利用式(5)计算第k次循环的均方误差Pk：T T

Pk＝(I‑KkC)Pk(I‑KkC) +KkRkKk          (5)T

式(5)中，I为单位矩阵，Kk为增益矩阵Kk的转置矩阵；

步骤2.6、利用式(6)计算第k次循环的状态向量Xk的估计值步骤2.7、利用式(7)计算第k次循环的加权系数dk：(k+1)

dk＝(1‑b)/(1‑b )                                  (7)式(7)中，b为遗忘因子；

步骤2.8、利用式(8)计算第k次循环的第二输入变量Fin.k的均值：步骤2.9、利用式(9)计算第k次循环的第二输入变量Fin.k的协方差矩阵：步骤3：利用式(10)计算第k次循环的第一输入变量Fc.k：式(10)中， 为第k次循环的第j个状态变量xj.k的估计值对应的N×1阶矢量，且其中， 为第k‑(N‑1)次循环第j个状态变量xj.k‑(N‑1)的估计值，N为LMS滤波器的阶数， 为 的转置向量，wj.k为第k次循环的N×T

1阶抽头权向量，且wj.k＝[wj0.k wj1.k wj2.k…wjN‑1.k]，wjN‑1.k为第k次循环第N‑1个抽头权值；

步骤4：利用式(11)对第k次循环的参考信号 进行滤波：式(11)中， 为m×N的矩阵，且 c为控制通道传递函数对应的n×m阶矩阵有限脉冲滤波器；

步骤5：利用式(12)得到第k+1次循环的抽头向量wj.k+1：式(12)中，L为目标权值矩阵；λ固定收敛因子，γ为控制因子；

步骤6：所述主动悬置根据所述第k次循环的第一输入变量Fc.k输出相应主动控制力；

步骤7：将k+1赋值给k后，返回步骤1.2执行，直至由位移传感器测量得到发动机与簧载质量之间的相对位移xr.k以及力传感器测量得到发动机振动通过主动悬置传递给簧载质量的动态力Fd.k的均方差值最小为止。