智能车的横向轨迹跟踪与稳定性分析是运动控制技术的基本问题,其研究不仅可以提高车辆驾驶过程中的舒适性和安全稳定性,也为未来的无人驾驶技术提供了理论基础。由于车辆系统的高非线性和强耦合性,导致高精度的横向轨迹跟踪控制器难以设计,另外在跟踪过程中车辆的稳定性在高速时也会下降,此时直接影响了车辆的舒适性和安全性。为此,针对横向轨迹跟踪过程中存在的跟踪精度不高以及车辆稳定性降低的问题,基于车辆动力学仿真软件CarSim和Matlab/Simulink联合仿真平台,本文主要围绕智能车横向轨迹跟踪与稳定性控制算法进行研究,论文的主要工作如下:(1)车辆动力学模型研究通过对车辆在运动过程中工作原理的分析,基于牛顿第二定律,建立了车辆二自由度动力学模型,根据模型得出所需的动力学状态方程,用于横向滑模控制器的设计。(2)基于模糊滑模的横向轨迹跟踪控制研究针对传统的滑模控制存在的横向跟踪误差较大的问题,本章提出了基于模糊滑模的横向轨迹跟踪控制方法。首先,根据横摆角速度误差来设计滑模面函数,以滑模面函数及其变化率作为模糊控制器的输入,然后根据输入的变化来设计相应的模糊规则,通过模糊化、模糊推理和解模糊化来得出前轮转角控制律,最后联合仿真实验表明,与传统的滑模控制方法相比,设计的模糊滑模横向跟踪控制器能减小跟踪误差,提高跟踪精度。(3)基于径向基神经网络的横向轨迹跟踪滑模控制研究针对滑模控制本身存在的抖振现象以及动力学建模不确定性导致的横向跟踪误差的问题,本文提出了基于RBF神经网络的横向轨迹跟踪滑模控制方法。滑模控制器以车辆参考横摆角和实际的横摆角间的误差及其变化率设计滑模面函数,输出为前轮转角控制律,并通过Lyapunov理论对系统的稳定收敛性进行了分析,然后利用RBF神经网络补偿一个前轮转角控制律,来减小模型不确定性产生的跟踪误差。仿真实验结果表明,与传统的滑模控制方法相比,基于RBF神经网络的横向轨迹跟踪滑模控制方法的非线性逼近能力提高了横向轨迹跟踪的精度,有效地抑制了控制器系统的抖振现象。(4)基于滑模控制的智能车稳定性研究针对横向轨迹跟踪控制过程中存在的稳定性问题,本文选取了质心侧偏角、横摆角速度和侧向加速度作为衡量车辆稳定性的三个重要性能指标,论文基于横摆力矩控制策略,设计了滑模控制器,通过对轮胎施加制动力矩或驱动力矩来提高车辆的稳定性。仿真结果表明,相比于无横摆力矩的控制,加入横摆力矩后的三个性能指标的波动范围减小,变化平缓,无明显突变现象,说明了车辆在横向轨迹跟踪控制过程中具有良好的稳定性。