伴随汽车拥有量的增长、行车速度的不断提高,汽车发生碰撞事故的次数越来越频繁,人们对行车安全问题的重视程度也随之加深。汽车行车安全分为被动安全与主动安全两种,相对主动安全来说,被动式安全系统不能有效防止事故的发生,只能减轻事故的程度,因此,对主动型安全系统的研究将必然成为发展趋势。论文在借鉴国内外汽车智能避撞控制策略研究成果的基础上,围绕车辆行驶信息检测与主动安全避撞时制动控制建模两方面,主要研究以下内容：首先本文从车辆行驶信息检测的探测仪器选择比较中确定,毫米波雷达以其独有的特性成为探测仪器的首选。其次,针对传统的基于安全距离的主动避撞控制模型不能综合行车环境很好的体现驾驶员的主观制动特点的情况,本文从复杂系统建模的观点分析汽车在避撞制动控制中所存在的模糊性问题及产生的原因,从而得出将模糊神经网络引入汽车制动控制建模的可行性与必要性。然后,本文重点研究了在制动控制系统特性不够清楚的前提下构造适合于汽车制动控制的模糊神经网络模型。从理论上证明模型具有全局逼近的特性,并且推导了参数对应的学习算法。记录不同驾驶经验的驾驶员在不同车况下采取制动的充足数据作为样本,对网络参数进行在线训练,使所设计的模型能够智能的体现驾驶员的制动特点。从而满足不同驾驶经验的驾驶员的制动习惯。本文最后为了验证模糊神经网络在汽车避撞制动控制建模中的有效性,本文建立汽车动力学模型,作为控制对象,通过MATLAB中的Simulink模块对汽车制动过程进行仿真试验,实验结果表明基于模糊神经网络的车辆主动避撞安全控制策略的可行性。