En comparación con los sistemas de volante de inercia tradicionales y basados en estática, los volantes de inercia de suspensión magnética montados en vehículos enfrentan condiciones de operación más complejas, y las estrategias de control existentes suelen considerar las perturbaciones en los vehículos bajo diferentes condiciones de operación como el mismo problema. Por lo tanto, es necesario determinar la interferencia de las condiciones de operación complejas y distinguir razonablemente entre ellas bajo diferentes condiciones de operación para proporcionar a los sistemas de volante una fuerte estabilidad (el desplazamiento del rotor fue inferior a 0.025 mm). Así, este documento propone una estrategia de control de alta estabilidad para volantes de inercia basada en la clasificación de las condiciones de conducción del vehículo y diseña su estrategia de control tomando como ejemplo el volante de inercia de suspensión magnética montado en el vehículo con un husillo de inercia virtual. Primero, de acuerdo con las diferentes condiciones de trabajo del vehículo y las intensidades de interferencia variables que afectan al sistema de volante, el modo de trabajo se divide en cuatro modos. Considerando las diferencias evidentes en cada modo de trabajo, se propone utilizar la optimización de redes neuronales BP basada en el algoritmo de recocido simulado (SA-BPNN) para determinar la condición de trabajo del volante. Una red neuronal relativamente simple puede mejorar la velocidad de respuesta de todo el sistema. También tiene un buen efecto. En segundo lugar, se propone utilizar modelos de aprendizaje profundo basados en redes neuronales convolucionales, redes de memoria a largo y corto plazo y mecanismos de atención (CNN+LSTM+ATENCIÓN) para entrenar los parámetros de control correspondientes bajo cada condición de trabajo para juzgar y predecir los parámetros de control bajo diferentes condiciones de trabajo. Se utilizan tres parámetros de evaluación para evaluar los resultados del entrenamiento, y todos lograron buenos resultados. Finalmente, se llevan a cabo la clasificación de condiciones de trabajo y pruebas de rendimiento. Los resultados experimentales muestran la efectividad y superioridad de la estrategia de control propuesta.