针对传统变论域模糊控制存在过度依赖专家经验、伸缩因子参数不能自适应调整的问题，提出一种车辆主动悬架自适应变论域T-S模糊控制策略，从而提高车辆的行驶平顺性。结合神经网络和T-S模糊推理建立基于自适应神经模糊推理的一阶T-S模糊控制器，利用神经网络的自学习特性产生完善的模糊规则，进而在传统函数型伸缩因子的基础上，将系统误差和误差变化率作为动态参数引入伸缩因子中，实现伸缩因子参数的自适应调整，解决了传统函数型伸缩因子因参数确定难度大导致控制效果差的问题。通过随机工况下的仿真分析和基于相似理论的缩尺实验，对所提出算法的有效性和工况自适应性进行了验证。结果表明，所提出的自适应变论域T-S模糊控制策略具有较强的工况适应性，在不同车速、路面激励下均可有效提高车辆的平顺性并保证轮胎接地安全性。