无人驾驶汽车的横、纵向控制系统是保证无人汽车安全行驶的核心部分之一。不同于有人驾驶的汽车,无人汽车需要更先进的横、纵向控制算法来保障汽车能够准确跟踪决策规划模块给定的期望信号。针对以上问题,本文设计并实现了一个无人驾驶汽车的横、纵向控制系统。主要工作及创新点如下:首先,过去大多数研究人员运用简化或者部分建模的方法来对汽车整车建模。不同于这种方法,将Carsim软件中的整车模型作为被控对象,更接近汽车真实的运行状态,提高横、纵向控制器设计的可靠性。其次,探索将自抗扰控制运用于无人驾驶汽车的横向控制,以解决无人驾驶汽车的横、纵向耦合情况下的路径跟踪问题。自抗扰控制算法不依赖于精确的数学模型,通过控制本车的车轮转角实现对无人驾驶汽车的路径跟踪控制。通过三种典型工况（双移线工况、单移线工况、速度变化情况下的位置跟踪工况）验证了横向控制器设计的合理性。仿真结果与传统的PID控制算法的仿真结果对比表明,设计的横向控制器能够准确地跟踪横向位置,且在速度变化的情况下,仍能达到很好的跟踪结果;说明自抗扰控制算法可以有效地解决汽车横、纵向耦合情况下的横向位置跟踪问题。再次,利用了分层控制的思想设计了一种纵向控制方案:（1）在纵向控制系统的上层控制中将具有自学习功能的RBF（Radial Basis Function）神经网络与传统的PID控制算法相结合,达到对传统PID控制的优化;（2）下层控制接收来自上层控制的期望加速度,通过逆纵向动力学模型计算出驱动控制系统的油门开度或制动控制系统的制动主缸压力,并设计了合理的驱动与制动系统的切换控制策略,避免了两者的频繁切换。最后,选取了三种仿真工况（正弦工况、复杂工况、方向干扰情况下的速度控制工况）与传统的PID控制算法相对比,验证纵向速度跟踪结果。仿真结果表明,设计的纵向速度跟踪控制器能够提高速度跟踪的控制精度,且在方向发生变化的情况下,控制精度并没有受到太大的干扰。最后,在纵向速度跟踪控制的基础上,进一步考虑前车对纵向控制系统的影响,设计了考虑距离跟踪模式的纵向控制。主要解决了三个问题:期望车距的选取、距离控制算法的选择以及设定速度跟踪模式和距离跟踪模式的切换策略。采用积分分离型PID作为距离跟踪控制算法,对车距进行跟踪;考虑到噪声影响以及设备限制,期望车距采用恒定车头时距的策略;考虑切换的舒适性、安全性、合法性设计了合理的切换策略。最终,设置四大类典型仿真工况（稳态跟随工况、前车急减速工况、前车切入仿真工况、前车切出仿真工况）验证所设计的考虑距离跟踪模式的纵向控制器的合理性。仿真结果表明,设计的算法能够保证跟车的舒适型和安全性。