汽车自适应巡航控制系统ACC(Adaptive Cruise Control)是在传统的定速巡航系统基础上，采用雷达、视觉等传感器探测前行车辆情况，并针对本车与前车之间的相对距离和相对速度，主动控制本车的行驶速度，使本车与前车保持安全合理的车间距，从而规避可能发生的追尾碰撞事故。吉林大学汽车仿真与控制国家重点实验室以前期提出的驾驶员最优预瞄加速度模型为理论基础，开展了仿驾驶员控制行为的汽车ACC系统研究，相继提出了汽车ACC预期速度控制目标的模糊决策算法和模糊自校正控制算法，并实施了大量的仿真分析。但前期研究由于辅助驾驶试验平台的集成开发进度问题，一直没有进行实车场地试验测试，且缺乏一套完善的控制参数匹配标定方法。本文即在前期开展的ACC系统控制策略仿真研究基础上，重点实施模糊自校正控制算法与辅助驾驶试验平台的系统集成，并针对试验平台车的纵向动力学特性建立了ACC系统模糊决策与控制算法中关键参数的匹配设计方法，最终在校园环境下初步实现了零至40km/h之间的定速巡航、前车低速行驶、前车高速切入及前车驶离等典型ACC工况的性能演示。研究中，首先针对ACC系统模糊决策算法中与驱动和制动特性相关的控制参数，根据汽车运动学和动力学极限运动性能提出了控制参数的匹配设计方法，并进一步改进了决策算法中安全距离模型；其次，采用粒子群算法对前期提出的ACC系统模糊控制器中的模糊控制比例因子和模糊隶属度函数参数等23个待确定参数进行了优化设计；然后，采用CarSim和Simulink软件分别搭建车辆动力学模型和ACC系统控制算法模型，针对若干典型工况进行了ACC系统的仿真分析，验证了匹配优化后ACC算法的控制效果，并针对风阻、档位切换等不确定性因素，建立了模糊控制比例因子的在线微调算法，进一步提高了控制算法的自适应性和鲁棒性；最终，依托课题组自己开发的驾驶员在环实验台和基于长安志翔轿车的汽车辅助驾驶试验平台，进行了初步的ACC系统典型行驶工况的试验测试和试验数据分析，验证了本文提出的基于粒子群优化的ACC系统关键控制参数与整车纵向动力学特性的离线优化方法的有效性和在线整定算法的自适应性，为后续的ACC系统与选配车型的集成匹配提供了一条可行的研究途径。