汽车作为科学技术成果,它是一把双刃剑,给人类出行带来便利,同时也造成诸多社会困扰。汽车保有量的持续上涨,伴随而来的是交通拥堵不堪、噪声污染加剧、交通安全降低等。近年,互联网+和人工智能技术的诞生和发展使得人类追求更加安全、高效和便捷的生活,因此,具有高级驾驶辅助系统的汽车应运而生。自适应巡航控制系统作为其中一个子功能,使车辆在安全工况下行驶,并进一步提高驾驶的舒适性和经济性。首先,本文定义低速自适应巡航系统的功能需求,对系统整体结构按照功能划分模块,并阐述每个子模块实现的系统功能,对子模块所需的关键技术进行归纳。其次,本文针对汽车低速工况下的动力学特性进行分析,得到简化的汽车纵向动力学系统逆模型。基于逆模型公式构建的驱动和刹车控制的切换策略,有效避免两者的频繁切换。针对发动机的非线性特性,采用大范围线性化方法补偿汽车的部分非线性,并利用CARMA(可控自回归滑动平均模型)来描述近似线性化的系统。通过结构辨识定义系统模型的多项式阶次,并且通过最小二乘法实现系统状态参数辨识。对实际系统响应与传递函数的响应结果进行对比分析,最终构建多个驱动工况下的参数模型和单个刹车工况下的参数模型。基于上述研究,利用广义预测控制算法,建立多模型混合低速控制器,主要针对下层控制器实现实际加速度对目标加速度的跟随。该控制器通过模型预测多步系统响应,通过实际加速度与期望加速度误差加权值和控制量增量加权值作为指标函数求解系统当前状态的最优控制量。为了验证本方法的可行性和有效性,搭建传统PID控制器进行对比验证,其评价指标包含超调量、稳态误差等。仿真结果表明,实际加速度对目标加速度的响应平稳,实际加速度没有出现振荡和发散现象。将汽车的多个参数模型和广义预测算法相结合,下层控制器能够较好地改善汽车低速工况下的控制性能。针对汽车内部参数变化和外部环境的小范围变化,该控制器能够控制车辆较快地收敛到稳定状态,具有良好的鲁棒性。