1.一种基于梯形网络的车辆动惯性悬架建模方法，其特征在于，包括：

步骤(1)：建立包含机电惯容器外端电路的1/4动惯性悬架模型：

其中，ms为簧载质量，mu为非簧载质量，k为悬架弹簧刚度，kr为轮胎等效刚度，c为减振器阻尼系数，F为机电惯容器两端点输出力，g表示悬架系统中机电惯容器和减振器所在串联支路两端点作用力，zs为簧载质量的垂向位移， 为簧载质量的垂向加速度，zu为非簧载质量的垂向位移， 为非簧载质量的垂向速度， 为非簧载质量的垂向加速度，zr为路面不平度的垂向输入位移， 为机电惯容器的垂向速度；

步骤(2)：基于梯形网络设计串臂电容、并臂电感的机电惯容器梯形外端电路，机电惯容器的梯形外端电路复阻抗Ze(s)表示为：其中，C1为旋转电机外端电路的串臂电容1，C2为旋转电机外端电路的串臂电容2，L1为旋转电机外端电路的并臂电感1，L2为旋转电机外端电路的并臂电感2，s为拉式变量；

步骤(3)：选取路面不平度的垂向输入位移zr；

步骤(4)：考虑悬架性能指标约束，通过优化算法求解悬架模型参数，得到基于梯形网络的车辆动惯性悬架最优参数；

所述步骤(4)中的优化算法采用改进遗传算法；

所述改进遗传算法为精英遗传算法，包括：

步骤(4.1)：确定待优化参数M＝[b、c、C1、C2、L1、L2]，初始化种群；

步骤(4.2)：将车身加速度均方根值、悬架动行程均方根值和轮胎动载荷均方根值作为优化目标，将其与传统被动悬架相应性能指标分别进行比值加和作为遗传算法的适应度函数，计算个体的适应度值，得到优化目标函数J及其约束条件s.t.：其中，BA(M)、SWS(M)、DTL(M)分别表示基于梯形网络的车辆动惯性悬架的车身加速度均方根值、悬架动行程均方根值和轮胎动载荷均方根值；BApas、SWSpas、DTLpas分别表示传统被动悬架三个性能指标的均方根值；w1、w2、w3分别表示其加权系数；UB和LB分别表示优化参数的上限和下限；

步骤(4.3)：评估种群个体适应度，确定精英型选择算子，即将新种群中适应度值最高的最优个体替换适应度值最低的个体，最优个体不参与交叉、变异操作，防止被丢失和破坏；

步骤(4.4)：交叉操作：将两个体部分基因加以替换重组生成新个体；

步骤(4.5)：变异操作：对群体中个体某些基因座上的基因值做变动；

步骤(4.6)：再次计算个体适应度值，并判断适应度值是否到达期望值或者迭代次数是否达到最大次数，若不满足，则继续重复上述步骤；若满足任一条件，则结束优化，得到优化参数值；

步骤(4.7)：优化过程最终得到步骤(4.1)中六个待优化参数的最优解；

所述步骤(3)中选取路面不平度的垂向输入位移zr具体为：

其中，v表示行驶速度，n0表示参考空间频率，w(t)表示均值为0的高斯白噪声，zr(t)为路面不平度的垂向输入位移， 为路面不平度的垂向输入速度，Gq(n0)为路面不平度系数。

2.根据权利要求1所述的一种基于梯形网络的车辆动惯性悬架建模方法，其特征在于，所述步骤(1)中的机电惯容器两端点输出力F的传递函数模型具体为：其中，p表示滚珠丝杠导程，Jm表示旋转电机转动惯量，J表示滚珠丝杠惯容器转动惯量，Bm表示旋转电机阻尼系数，kt表示旋转电机转矩系数，ke表示旋转电机电动势系数，Ra表示旋转电机电枢电阻，La表示旋转电机电枢电感， 为簧载质量垂向速度的复数域形式，为机电惯容器垂向速度的复数域形式， 为机电惯容器的惯质系数。