“节能、环保、安全、智能”是汽车发展的四大主题。统计数据表明,超过90%的交通事故是由于驾驶员疲劳驾驶、紧急情况下的错误操作等生理与心理因素而导致的。自动驾驶系统能完全取代人类驾驶员,有效应对复杂的交通环境与场景,彻底解决因人的因素而导致的交通事故,是目前车辆领域研究焦点。针对智能车的全局和动态局部轨迹规划以及跟踪控制关键技术,本文开展了相关研究工作,具体内容如下:1、智能车最佳换道轨迹规划。通过车辆动力学理论建立了三自由度车辆动力学模型。根据车辆换道可行性条件,分析了碰撞时刻的位置,获得智能车与前方车辆的最小间距,综合考虑车辆行驶安全性、舒适性和道路通行效率建立最优目标函数。在动态行车环境中加入重规划层,采用Frenet坐标系采集规划轨迹点的坐标,然后再转化为笛卡尔坐标系下的坐标输入车辆执行模块,并根据车速设定规划步长时间实时调整车辆轨迹,最后生成优化后的最佳换道轨迹。2、基于遗传算法优化LTV-MPC的智能车轨迹跟踪。建立以横向侧偏距离和横摆角为综合轨迹跟踪控制目标的适应度函数,通过引入一个权重系数进行实时动态调整。基于线性时变模型预测控制（LTV-MPC）算法设计了智能车轨迹跟踪控制器,为提高轨迹跟踪控制性能,采用遗传算法对MPC控制器的权重系数进行寻优。通过选取不同种群规模、交叉概率、变异概率和加权调整系数,分析遗传算法参数及加权系数对车辆轨迹跟踪控制性能的影响规律。应用Car Sim和Simulink两个软件建立了联合数值仿真平台。对比结果表明,利用遗传算法进行参数优化的LTV-MPC控制器具有更优的性能。3、分布式驱动电动汽车轨迹跟踪转矩分配协调控制研究。针对智能车在高速低附着路面工况下进行换道时存在稳定性差的问题,提出前轮主动转向及集成转矩分配控制相结合的策略。以车辆的横纵向位置及横纵向车速、横摆角速度、质心侧偏角为状态变量,前轮转角及附加横摆力矩为控制变量设计了LTV-MPC算法,根据微分方程、约束条件、目标函数对其求解,然后通过附加横摆力矩与车辆总驱动力需求对车轮转矩进行分配。开展了双移线工况下的仿真实验,结果表明,所设计的前轮主动转向及集成转矩分配控制策略在保证智能车动力学稳定性的前提下,提高了轨迹跟踪性能。