智能车辆作为智能交通系统的重要组成部分之一,可以有效减少交通事故、提升驾驶体验和减缓驾驶疲劳,现已成为了汽车工程领域的前沿课题和研究热点。其中,车辆路径跟踪控制是智能汽车领域研究的重点问题之一,也是实现车辆自主驾驶的关键,因此受到了国内外学者的广泛关注。智能汽车路径跟踪控制主要包括纵向运动控制和横向运动控制,现有的路径跟踪控制研究大多忽略了车辆纵、横向动力学耦合特性,仅针对单一运动方向进行控制器设计,无法满足低附着路面及车辆高速过弯等极限工况的行驶需求。此外,智能汽车执行子系统实际控制过程存在时滞现象,其时滞干扰对智能汽车运动控制性能及稳定性有显著影响。如何实现智能汽车运动控制和底盘控制综合协调,明确子系统时滞对智能汽车路径跟踪的影响是实现智能汽车路径跟踪的难点和重点,且具有极高的研究价值和实际意义。针对上述问题,本文结合国家自然科学基金重点联合基金项目“智能汽车多状态系统动力学行为建模与协同控制研究”(项目编号:U1564201),并针对智能汽车复杂大系统的特点以及多模型智能递阶控制理论在解决分布式复杂问题的优势,设计了考虑双时滞子系统智能汽车纵横向多模型智能递阶控制策略,研究了子系统时滞对智能汽车路径跟踪系统的影响机理。其主要工作内容如下:首先,基于模块化建模思想,在参考某试验车辆基本结构和试验数据基础上,忽略悬架结构对智能汽车动态性能的影响,构建七自由度车辆动力学模型,在此基础上建立了包含自动转向子系统和防抱死子系统的非线性动力学模型。并在典型转向工况与典型路径跟踪工况下进行了对比仿真,验证了所建动力学模型的准确性。其次,设计了智能汽车路径跟踪控制算法。基于车辆运动模型、车辆坐标变换模型以及车辆位置模型,构建了车辆实时位置坐标和预瞄点位置坐标间的四阶虚拟路径,推导了对应车辆期望横摆角速度,并通过反演滑模控制算法对车辆期望横摆角速度进行了跟踪控制。再次,进行了车辆子系统时滞稳定性研究。在原子系统动力学模型基础上构建了子系统时滞动力学模型,通过广义Sturm判别理论分析了子系统的全时滞稳定性,获得了系统时滞稳定区间,确定了时滞干扰因素。在此基础上分析不同控制参数、不同工况以及不同干扰因素下子系统控制器时滞对其控制精度和控制稳定性的影响。然后,构建了智能汽车纵横向耦合多模型智能递阶控制架构,明确了控制系统组织级及协调级的控制需求。采用了基于期望横摆角速度的智能汽车路径跟踪算法,获得了车辆纵横向运动综合控制目标,并设计了主动控制子系统闭环控制器对控制目标进行跟踪。在此基础上获取智能汽车路径跟踪过程中子系统时滞对智能汽车路径跟踪稳定性的影响规律。最后,进行了MIL测试试验,将所设计的控制算法和控制模型引入MIL测试机柜和上位机中,进行了不同工况MIL试验,包括无子系统智能汽车路径跟踪试验和包含子系统的智能汽车路径跟踪试验。试验结果验证了所设计控制算法的有效性,并且MIL工作过程产生的控制时滞对路径跟踪的影响与理论计算结果基本相符。仿真结果与MIL测试试验结果表明,基于多模型智能递阶控制理论的智能汽车路径跟踪控制系统能够有效协调执行子系统的控制性能,实现了智能车辆纵横向综合控制,且避免了传统集成控制器设计时易产生的“维数灾难”问题。此外,子系统控制器时滞在临界时滞范围内时,其对子系统控制精度和鲁棒性的影响较低,对路径跟踪控制系统控制精度和鲁棒性的影响相对明显,且随着子系统时滞接近对应临界时滞时,路径跟踪控制系统及子系统的控制精度和鲁棒性的波动都逐渐增加;当控制器时滞超过临界时滞时,两者皆呈现失稳现象。