智能汽车集环境感知、路径规划及跟踪控制于一体,以自动驾驶代替人工操作,弥补驾驶员能力不足,将“人”这一不确定因素从由“人-车-环境”组成的道路系统中剔除,能够最大限度地避免由于人为因素而引起的道路拥堵和伤亡事故的发生。研究表明目前智能汽车在自动驾驶操纵时,特别是在车辆转向操纵控制中,智能汽车的舒适性与熟练驾驶员驾驶车辆的舒适性相差甚远。车辆行驶中往往会由于躲避障碍、超车及交通信号指示等原因进行换道操作,涉及车辆纵向和横向位移及速度的改变。本文对智能汽车换道控制进行研究,以换道工况中的轨迹规划与跟踪控制为研究重点。开展了基于实车和驾驶模拟器的熟练驾驶员换道操纵特征采集试验并对试验数据进行分析。在试验车辆上加装相应传感器记录车辆实验数据,并将所记录的轨迹坐标进行转换。对试验轨迹进行分析,研究中间位置状态约束对换道轨迹的影响,选择采用六次多项式作为换道轨迹的表达形式。针对熟练驾驶员换道操纵具有较强的非线性,基于神经网络算法设计了智能汽车换道轨迹规划系统。采用遗传算法对其阈值和权重进行优化,建立GA-BP神经网络模型。分析不同因素对换道轨迹的影响,建立熟练驾驶员换道模型,并采用实车和驾驶模拟器数据对模型进行训练和校验。仿真结果显示在不同的工况中,本文所设计的换道轨迹规划系统所生成的轨迹能够很好地表达相同工况下熟练驾驶员的操纵特征。分析了车辆以无偏差形式沿某一特定轨迹行驶时横摆角速度的变化规律,并以此设计智能汽车轨迹跟踪横摆角速度生成器。建立车辆7自由度动力学模型和Dugoff轮胎模型,基于模糊滑模算法设计智能汽车换道轨迹跟踪控制系统。采用CarSim与Simulink搭建仿真平台,仿真结果显示,与采用“预瞄跟随”理论的轨迹跟踪控制算法相比,本文设计的智能汽车换道轨迹跟踪控制系统在轨迹曲率较大处的跟踪精度较高,且横摆角速度幅值较小,能够在精确跟踪理想轨迹的同时提高车辆舒适性。搭建了基于D2P快速原型开发平台、NI实时仿真机和上位机的智能汽车轨迹跟踪硬件在环仿真测试平台。采用VeriStand软件对被控车辆模型进行了可执行代码编译并刷写至NI实时仿真机中,利用D2P快速运行开发平台实现轨迹跟踪控制算法的开发。基于所搭建的HiL仿真测试平台进行了智能汽车轨迹跟踪控制试验,结果显示,本文设计的控制器轨迹跟踪效果与CarSim仿真效果一致,其稳定性和有效性得到了验证。