自适应巡航控制系统通过感知车辆周围的环境并自动调整速度,使被控车辆以期望的车辆间距跟随前车,能够在保证驾驶员安全性的前提下有效减少驾驶员工作量,提升公路智能化程度及运行效率。随着无人驾驶及智能网联汽车的发展,对车辆自适应巡航控制系统的控制需求及控制精度提出了更高的要求。广泛且充分地考虑驾驶员的需求及控制器设计的要求,设计不同行驶需求下的车辆自适应巡航控制算法,对促进自适应巡航控制系统的普及、无人驾驶的落地和智能网联汽车的研究具有重要的理论意义及现实价值。本文以车辆的非线性模型为基础,分别研究了不确定行驶阻力情况下、多间距策略、多目标需求及智能网联环境下的自适应巡航控制算法。主要工作和取得的研究成果有以下几个方面:1.针对车辆自适应跟车过程中不确定行驶阻力的抑制需求,提出了一种基于径向基神经网络逼近的自适应巡航控制算法。首先,分析了车辆的行驶阻力,并通过径向基神经网络重构了车辆的动力学模型;其次,设计了基于反步控制技术的径向基神经网络自适应巡航控制算法,通过设计虚拟控制器将车辆间距控制转化为速度控制,通过自适应技术估计神经网络参数并设计速度控制器,通过设计非线性滤波器降维间距控制与速度控制之间转换的耦合关系并提升控制精度,进而实现跟随车以期望的间距跟随领航车安全行驶。所设计的算法利用车辆的状态信息在线学习车辆的不确定行驶阻力,无需精确的车辆模型,且仅包含一个自适应参数,算法简洁,控制精度高。2.针对驾驶员对车辆自适应巡航控制间距设定的多样性需求,提出一种面向多种间距策略的无模型鲁棒自适应巡航控制算法。首先,利用反步技术,设计虚拟控制器,将车辆间距控制转化为速度控制,避免速度相关型间距策略带来的间距与速度控制耦合;其次,构建基于输入、输出数据的耦合滑模面,并设计状态观测器补偿车辆复杂的非线性动力学特性、离散误差、耦合误差及外部干扰,提升控制算法的鲁棒性;最后,利用反馈控制及鲁棒控制技术设计无模型鲁棒ACC算法。所设计的算法仅需要车辆的输入、输出信息（控制输入变化量、距离信息、速度信息）,可实现对不同间距策略的精准鲁棒控制,同时,也可实现在低采样精度下的精准鲁棒控制。3.针对自适应巡航控制中速度、间距及避撞等多种目标需求,提出了一种面向多目标需求的自适应巡航系统速度、间距切换预设性能控制算法。该算法可实现速度预设性能控制、间距预设性能控制及安全避撞。若跟随车与领航车距离较远,则采用速度预设性能控制器将跟随车的速度调节到所需的速度。若跟随车靠近领航车辆,则采用距离预设性能控制器调节跟随车与领航车的距离。采用预设误差函数扩大切换区间提升切换过程的鲁棒性。所设计的控制器为一种低复杂度的无模型高增益输出反馈控制器,控制增益通过时变自适应律调节至实际需要值,摆脱了控制过程中对车辆精确模型的依赖,可以实现在任何情况下对速度及间距两个目标的保证,且能保证间距误差在期望的范围内变化,避免碰撞。4.针对智能网联环境下的多车协同巡航控制需求,提出了一种基于障碍函数的无模型多车协同自适应巡航控制算法。首先,通过拓扑图论描述智能网联车辆的拓扑结构,并对智能网联车辆整体间距误差进行定义及约束转换,使其限定在预设的误差范围内;其次,通过对数障碍函数设计Lyapunov函数,并设计虚拟控制器及真实的控制器,在设计控制器的过程中,将车辆的非线性运行阻力、智能网联拓扑切换干扰等干扰项均视为“类干扰”项并通过设计自适应补偿器进行抑制。所设计的控制器无需对非线性行驶阻力建立精确的模型,且对车辆的阻力及干扰没有额外的数学约束（光滑可导等）,可以实现智能网联车辆多场景拓扑结构变化下的协同自适应巡航控制。