汽车操纵动力学特性影响汽车驾驶的操纵轻便程度,也是高速汽车安全行驶的一个主要性能。汽车在高速转向行驶时,驾驶员模型参数不易确定,从而导致驾驶员模型建立困难。针对驾驶员建模中不确定因素的影响,采用操纵逆动力学方法,反求出驾驶员的操纵输入来避开驾驶员建模。本文针对汽车紧急避让问题对操纵逆动力学进了建模与分析的研究,完成的主要工作如下:(1)建立了三自由度角输入驾驶员—汽车转向操纵闭环系统模型,并在驾驶员预瞄时间的选取环节,采用综合考虑了路径误差、方向盘角速度以及侧向加速度的评价指标来选取每一种行驶工况下的驾驶员最优预瞄时间。利用某车型进行蛇形实车试验所采集的试验数据对该闭环系统模型进行了验证。验证结果表明通过闭环系统模型仿真计算得到的结果与试验结果具有良好的一致性,验证了所建闭环系统模型的正确性。(2)利用所建立的驾驶员—汽车三自由度闭环系统模型,仿真计算了某具有不足转向特性的车型一在不同换道工况下(如不同的换道过程距离、不同的行驶车速等)所需的方向盘角输入操纵信息,总结出了它们的动态变化规律,从而分析了汽车转向操纵的动态特性。通过实车试验验证了所总结的汽车转向操纵动态变化规律的正确性。针对汽车转向操纵的动态特性分析结果的基础上,初步提出汽车转向操纵动态特性评价指标。针对所提的评价指标,计算得出车型二的转向操纵动态特性要比车型一好,车型二与车型一相比更容易操纵。通过对两车型操纵性能的对比,得知针对转向操纵动态特性进行评价所得的车型二比车型一易于操纵的评价结果是正确的,验证了所提评价指标的可行性。(3)为了提高汽车操纵逆动力模型识别时神经网络的学习速度和收敛精度,基于Elman网络,采用一种新的动态神经网络结构—状态延迟输入动态递归神经网络(SDIDRNN)。通过建立SDIDRNN网络模型,取闭环模型的仿真结果做为训练样本,对汽车操纵逆动力模型进行了识别,所得结果及误差分析说明了SDIDRNN网络能够以较好的精度和抗干扰能力识别出汽车在高速状态下进行避让过程中的方向盘转角及转角速度。(4)将模糊控制理论引入汽车操纵逆动力学中。根据侧向偏差和偏差变化率设计了车辆的路径跟踪模糊控制器。仿真结果表明,该方法能够控制汽车在高速下很好地跟踪所期望的避让路径,能够识别出汽车在整个运动过程中方向盘的转角输入,并能比较不同汽车跟踪同一避让路径下的操纵性能,其仿真结果与ADAMS/CAR虚拟样机试验及神经网络识别结果具有良好的一致性。(5)针对高速超车行驶安全性的问题,研究汽车最速超车的逆动力学。通过超车行为分析,文中将整个超车过程分为换道、超越、并道三个阶段。通过制定优化模型,计算出最优的超车轨迹和超车时间,通过仿真结果表明,采用逆动力学求解方法解决汽车的最速超车操纵问题,可以得到汽车以最短时间完成安全超车过程的操纵性能,可为实际驾驶员操纵过程提供一定的指导作用,对自动驾驶车辆也有一定的参考价值。