近年来,由于传感器融合技术、人工智能技术、5G信息技术等飞速发展以及道路基础设施日益完善,以电动化、智能化和网联化为基础的智能驾驶车辆成为解决驾驶安全、能源枯竭等问题的有效途径。因此,全球汽车行业以及科技公司进一步加强对自动驾驶技术的研究力度。当然,完全自主驾驶也不是一蹴而就的,在未来较长一段时间内,智能驾驶领域的发展仍然以半自动驾驶技术为主。在半自动驾驶技术中,人机共享转向控制被认为是最有潜力提升驾驶舒适性、驾驶安全性以及车辆操纵稳定性的一种辅助控制系统。人机共享转向控制也是各类自动驾驶技术的研究重点之一,该技术关键点在于机器对驾驶转向行为的理解。现阶段,许多学者通过研究驾驶员转向行为模型,来实现驾驶人员的操纵行为参数化,并将驾驶特性参数传递给控制器以便进一步实现个性化辅助驾驶。因此,深入探索驾驶员转向行为模型对人机共享转向控制进一步发展具有重要意义。为了推动人机共享转向控制的深度发展,本文通过研究驾驶员转向行为特性,从而设计出能够增强车辆操纵稳定性、保持路径跟踪性能以及提升驾驶舒适性的人机共享转向控制器。具体研究内容如下:（1）驾驶员大曲率转向操纵行为分类。基于六自由度驾驶模拟器平台建立大曲率道路模型,设计试验方案并招募若干名适龄驾驶员在该平台进行转向试验。从试验数据中,初步提取转向行为特征,分析这些特征间的相关性,并利用主成分分析法（Principal Components Analysis,PCA）方法对其降维。最终,通过K均值聚类算法（K-means clutering algorithm）对降维后的驾驶员转向行为进行聚类,并根据聚类结果定义了三类驾驶员转向行为。（2）驾驶员转向行为建模与参数辨识。本文假设驾驶员在大曲率工况下采用双点预瞄策略跟踪路径,然后分析驾驶员转向行为的运动机理,并提出驾驶员转向行为模型。在该模型中,考虑了大脑、手臂肌肉延时环节、转向预瞄增益、手臂肌肉刚度等驾驶转向特性参数。然后,利用径向基函数神经网络（Radial Basis Function Neural Network,RBFNN）对该驾驶员转向行为模型进行参数辨识,并结合辨识结果对RBFNN的辨识能力进行验证和分析。（3）驾驶员转向特性参数边界划分。根据驾驶员转向行为分类结果,对每一种类别的转向特性参数划分边界。进一步分析划分结果后,发现:不同驾驶员类别间的预瞄转向增益（Kp）和反馈增益（Kc）这两个参数差异较大,而驾驶员的反应时间（rp、TN）和肌肉刚度参数（KG、KN）基本一致,且无较大的参数摄动。因此,在控制器设计过程中,本文仅考虑预瞄转向增益（Kp）和反馈增益（Kc）来反映驾驶员转向行为的不确定性,并将其余四个转向特性参数设置为常值,极大程度地降低了控制器设计的复杂度。（4）考虑转向行为特性参数摄动和纵向车速时变性的模糊共享鲁棒控制器设计。首先将人-车-道路模型模糊化,同时考虑到某些状态变量的测量限制,本文选择输出反馈作为共享控制器的补偿方式。此外,将车辆操纵稳定性、路径跟踪性能以及驾驶宜人性三个方面作为控制器的优化目标。最终根据转向行为分类结果和参数边界,优化控制目标,并设计出个性化的共享转向控制器。通过Matlab软件内置的LMI工具箱对共享控制器系统进行计算求解,且基于Matlab、Simulink以及Carsim8.1软件设计仿真试验方案,对人机共享转向控制器的辅助性能进行了检验。