智能车辆是现阶段国内外研究的一个热点,在许多关键性技术上已经取得了突破性进展,在未来的十年内将有可能正式上路。而路径规划作为智能车辆的关键技术之一,不仅在智能车辆中而且在类似的移动机器人中都有广泛的应用前景。人工免疫系统是以生物免疫系统的模型设计出来的,它具有很强的学习记忆、信息处理、特征提取和机体防御的能力,被广泛的应用于许多行业。本文采用栅格法建立了智能车辆工作环境模型,基于克隆选择算法构建了一种静动态双重模式的智能车辆克隆选择全局路径规划方法。在静态障碍物环境中,设计了简单和复杂两种环境,进行了车辆路径规划和仿真实验,仿真结果表明该算法能够在局部优化的同时实现全局收敛,规划出一条最优路径。存在动态障碍物环境时,首先启用第-重克隆选择算法实现路径规划,当运动障碍物出现在可行路径中时,启用第二重克隆选择算法,避障并生成新的路径。全局路径规划无法实现局部细节处理,本文在全局最优路径的基础上,研究了局部路径规划算法,进一步寻找局部最优路径。在matlab中建立了车辆模型,利用免疫网络模型的动态选择、变异特性,解决了参数的实时在线调整,具有较强的适应性,且能有效的、快速的实现局部路径规划。模糊免疫网络PID控制具有较强的抗干扰性、较快的响应速度和使PID参数整定功能得到极大的增强。设计了陀螺仪数据实时采集的系统,组建了基于OMAP3530的车辆航向和位置测试平台。将该平台与本文的路径规划算法相结合,通过智能车控制平台对比试验,在模糊PID算法的基础上加入人工免疫,提高了车辆方向的控制响应速度,缩短了路径规划过程中的行驶时间和距离。