路径跟踪是智能汽车发展的基础技术之一,智能汽车在跟踪路径行驶过程中由于行驶环境复杂多变,对车辆横向稳定性形成巨大挑战。本文对路径跟踪过程中的车辆横向稳定性问题进行了研究,主要研究内容如下:首先,建立聚类分析数据库。根据最优预瞄理论和稳态圆周运动假设,推导出理想的横摆角速度进行路径跟踪,同时考虑到实际横摆角速度与理想横摆角速度之间存在误差,建立基于模糊PID的主动转向控制对理想横摆角速度进行跟踪。分析与车辆横向稳定性相关的参数,设置双移线试验工况进行仿真,提取仿真数据,建立聚类分析数据库。其次,设计一种基于SOFM神经网络和K-Means聚类算法的车辆横向稳定性判别方法。利用SOFM神经网络和K-Means聚类法相结合的组合聚类法对上文采集的车辆行驶参数进行离线聚类分析,得到3个离线聚类质心,基于车辆行驶工况特点对聚类分析结果进行分析,确定各离线聚类质心代表的不稳定性等级。为提高组合聚类稳定性判别方法的鲁棒性,在确定离线聚类质心的基础上,采用均值法对相应的聚类质心进行在线调整,完成车辆横向稳定性的在线判别。搭建Simulink/Car Sim联合仿真平台,以轮胎力法为判别基准,对基于SOFM和K-Means的稳定性判别方法性能进行分析,验证了该稳定性判别方法的有效性。再次,基于稳定性判别结果设计横向稳定性协调控制策略。针对智能汽车在某些极限情况下稳定性变差的问题,基于模糊PID理论设计直接横摆力矩控制,与主动转向控制共同构成整体的稳定性控制策略。根据稳定性判别结果确定稳定性控制策略介入控制的时机和权重,实现在不同情况下对车辆横向稳定性的协调控制。通过双移线试验工况和鱼钩试验工况对稳定性控制策略的有效性以及以稳定性判别结果作为控制策略介入控制依据的合理性进行了仿真验证。最后,基于驾驶模拟器平台进行了快速原型试验,在双移线试验工况下对设计的稳定性判别方法和稳定性控制策略性能进行了验证。试验结果进一步验证了所提出的车辆横向稳定性判别方法能够实时量化车辆横向稳定性和准确指导稳定性控制策略的介入控制,在提升智能车辆跟踪目标路径精度的同时,也保证了车辆的横向稳定性。