当前,智能驾驶发展迅速,高级辅助驾驶系统（ADAS）作为智能驾驶重要一环,也越来越被人们所接受,其中自适应巡航系统（ACC）作为高级辅助驾驶系统较早发展和较为成熟的一部分,已经对驾驶安全和驾驶舒适产生了重要的影响。但当前的ACC系统开启条件对道路环境有严格要求,并且需要驾驶员较多的介入来不断调整车间时距。为了进一步扩展ACC系统应用场景和解放驾驶员的部分操纵,本文研究了适应全线形高中低附着系数道路的多目标ACC系统,进一步提高了驾驶安全性、舒适性和经济性。针对道路附着系数的实时估计,本文建立七自由度整车模型（7-DOF）和Dugoff轮胎模型,并将其作为道路附着系数估计器的状态观测基础,建立扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）两种估计器,并在Carsim软件验证两种估计器的精度,最后选择精度更高的无迹卡尔曼滤波实时估计道路附着系数。针对可变车间时距模型的建立,利用无人机航拍不同道路附着系数下道路交通流视频,通过视频回放,在Tracker软件中提取出稳定跟驰行为,并利用3σ原则去除突变异常数据得到360组稳定跟驰数据,利用多项式拟合的方式建立可变车间时距与道路附着系数和主车车速关系模型。针对ACC控制,建立上下分层的控制器,其中上层规划层分为纵向加速度规划层和侧向附加横摆力矩规划层,纵向根据间距偏差、速度偏差、加速度偏差和加加速度偏差运用模型预测控制规划出具有多目标的纵向期望加速度,横向根据横摆角速度偏差和质心侧偏角偏差建立两滑模控制器,同时建立基于车辆稳定性的融合模型计算得到横向总附加横摆力矩;下层控制器进行加速度转化和力矩分配,利用车辆纵向动力学模型将上层控制器规划出的多目标纵向加速度转化为整车期望总力矩,同时添加PID反馈控制补偿纵向建模误差。建立力矩最优分配模型将纵向总力矩与横向附加横摆力矩转化车四个车轮的期望力矩,同时为了保证四个车轮避免出现滑移或者滑转,添加滑移率PI控制得到四个轮调整力矩,将调整力矩与分配的期望力矩结合得到四轮的最终输出力矩,输入到轮毂电机或制动系统。针对ACC多目标性,利用遗传算法迭代优化的特点,将遗传算法与模型预测控制中的权重系数结合,求解不同工况下最优代价函数权重分配系数,结合模糊切换规则根据两车运动状态实时调整权重系数达到多目标控制,最终保证车辆在横纵向安全性前提下,具备良好跟随、舒适和经济性。本文利用Carsim和Matlab/Simulink平台验证算法有效性,在Carsim中建立不同线形道路、不同附着系数道路和不同动态工况的场景。分别与PID控制器和固定权重MPC控制器进行对比,结果表明本算法具有更好的安全性、道路适应性和工况适应性。