纵向车速控制是无人驾驶汽车控制领域的基本问题,控制性能的优劣直接影响到控制效果,相对精准稳定的扭矩估算是纵向车速控制的核心问题。但是需求扭矩极易受到外界环境变化影响,如汽车质量、道路坡度、风阻及滚阻的变化等,从而对车速控制产生一定的干扰,降低纵向车速的控制性能。为解决上述问题,提高纵向车速控制的抗干扰性,本文以智能网联汽车监控系统为基础,研究了一种自适应坡度、质量变化的实时需求扭矩观测算法,并以此作为纵向车速控制器的前馈控制,引入到PID反馈车速控制模型中,有效补偿外界干扰的影响,提高了纵向车速控制器的控制精度和稳定性。本课题研究工作分为以下四部分:1)开发智能网联汽车监控系统,主要完成了车载信息智能采集终端的软件开发工作,并以此作为研究平台,为汽车行驶阻力参数实时辨识提供实验数据。2)根据纵向动力学模型,开发车辆参数辨识算法。首先利用车载终端采集的信息,完成了档位重构算法,并利用特殊工况(滑行片段)进行风阻、滚阻系数的辨识;最后结合三轴速度、加速度信息,根据车辆质量在驾驶循环中不变的特性,利用递推最小二乘法和三自由度车辆模型完成了实时质量的估算,辨识精度在5%以内。3)依托行驶阻力参数辨识平台,开发动力系统输出扭矩观测算法。首先针对传感器测得的道路坡度具有震荡性、滞后性,本文提出了一种基于卡尔曼滤波结合动力学公式进行道路坡度的实时估算预测算法,解决了坡度、扭矩估算的解耦问题,其坡度辨识的均方根RMES在1°以内;然后利用纵向动力学模型和龙贝格观测器算法,完成实时需求扭矩的观测,其平均扭矩误差在2N·m以内;最后利用二次线性插值得到扭矩、转速对应的节气门开度,为纵向车速控制器提供前馈控制模型。4)在上述基础上,首先搭建了Car Sim整车模型,然后使用基于观测扭矩前馈及PID反馈的纵向车速控制器和传统PID反馈控制器在不同道路坡度和整车质量下进行联合仿真,完成对比验证。结果表明,在PID反馈基础上加入观测扭矩前馈控制后,纵向车速跟随控制的响应速度提高,控制精度得到改善,且增强了对环境变化的抗干扰能力。