自适应巡航控制系统作为先进驾驶员辅助系统的重要组成部分,对提高行车安全性、经济性和舒适性具有重要作用。随着互联网技术的发展,信息传递速率显著提高,自适应巡航控制越来越受到人们的认可。同时,为应对日益突出的环境问题,电动汽车将成为未来汽车行业发展的新趋势,因此对纯电动汽车自适应巡航控制系统的研究契合了安全与环保两大主题,对减少交通事故以及环境保护具有重要的实际意义。为进一步提升纯电动汽车自适应巡航的行车安全性、跟随性及乘坐舒适性,本文以纯电动汽车自适应巡航控制系统为研究对象,以车辆纵向动力学、电动汽车理论和控制理论等为基础,分别对系统的间距控制策略、上层控制算法以及下层控制策略等进行研究,使纯电动车辆在复杂多变的交通环境下能够较好地实现自适应巡航功能。本文以纯电动汽车作为控制对象,首先建立了车辆逆纵向动力学模型,以根据上层控制传来的期望加速度计算出期望电机输出转矩和期望制动压力。电动汽车采用永磁同步电机作为动力来源,建立永磁同步电机模型,并采用输出转矩更为平稳的矢量控制来控制电机的输出。最后,根据车辆参数在Carsim中建立车辆动力学模型。在自适应巡航控制系统中,间距策略是系统设计的第一步。为尽可能使安全距离实现对行车工况动态变化的精确合理响应,采用基于可变车头时距的可变间距策略,在对行车工况动态变化的精细划分的基础上,本文提出了一种基于三维模糊控制的自适应巡航间距策略。最后,搭建了Matlab/Simulink和Carsim联合仿真平台进行对比试验并做出详细分析。仿真结果表明:所设计的间距策略可快速准确地依据前车运动状态的动态变化采取合理的安全间距,对不同工况具有良好的适应性。基于模型预测控制理论设计了多目标优化的自适应巡航上层控制算法。根据跟车过程建立纵向行车间距模型,列写状态空间方程,并将其进行离散化处理。分别考虑车辆跟随性、行车安全性和乘坐舒适性设计目标函数和约束,实现系统的多目标优化。同时为避免优化问题无可行解,引入松弛因子对约束进行软化和扩展,最终将系统的优化问题转化为一个带约束的二次规划问题,通过求解该问题获得期望加速度,以完成系统的上层控制。在自适应巡航控制系统的下层控制中,采用基于阈值的驱动制动模式切换策略。考虑外界环境及车辆参数对基准加速度产生的影响,需对影响车辆行驶状态的参数进行识别,提出了一种基于BP神经网络与扩展卡尔曼滤波的整车质量与道路坡度估计方法。首先建立BP神经网络模型,以每一采样时段的车辆驱动踏板开度和速度特征参数作为BP神经网络模型的输入,通过模型输出所估计的整车质量和道路坡度,然后通过扩展卡尔曼滤波算法对估计结果做进一步优化处理,将最终的估计结果应用于下层控制算法的驱动制动模式切换策略。最后,通过仿真试验验证了估计结果具有较好的准确性。最后,本文针对所设计的自适应巡航控制系统在Matlab/Simulink和Carsim下进行联合仿真,分别对前车匀速、前车插入、平稳跟随以及循环工况进行仿真试验。仿真结果表明,本文所设计的自适应巡航控制系统能够较好的完成在一定道路坡度下对前车的跟随,能够使自车较为平稳的跟踪前车且将两车间距控制在合理的范围内,既保证了在跟随过程中的行车安全性,同时在一定程度上提高了道路利用率。