目前,人机协同控制方法是智能驾驶技术的前沿和热点研究方向之一。人机协同控制方法可综合利用驾驶员与自动驾驶系统的各项能力,包括感知、决策、控制等能力,实现驾驶员与自动驾驶系统同时控制车辆运动完成车辆驾驶任务,从而避免高等级自动驾驶车辆面临的技术难点限制、社会伦理以及驾驶安全性等问题,提升车辆驾驶安全性和舒适性。然而,现有人机协同控制相关研究存在人机控制权限分配方法考虑因素不全面、设计不合理,以及人机路径和控制信号冲突难以管理等问题。为解决以上问题,本文围绕驾驶意图、人机控制权限分配、人机交互作用以及人机冲突解决等四个方面展开研究,完成了五项研究工作。论文的创新点和主要研究内容如下所列:第一,为了给人机协同控制系统设计提供准确的驾驶意图预测结果,论文基于驾驶员在环仿真实验平台,设计了驾驶意图数据采集实验,构建了驾驶意图数据集,并采用支持向量机和多分类半监督学习方法建立了驾驶换道意图预测模型。基于驾驶意图数据集,完成了驾驶换道意图预测模型的训练和优化。最后,设计了验证实验,验证了驾驶意图预测模型的有效性。第二,为了解决路径跟随时的人机控制权限分配策略问题,论文创新性地综合考虑了驾驶换道意图、危险评估结果以及路径跟随表现等因素,采用模糊控制方法,建立了人机协同模糊控制器。基于线性时变模型预测控制算法建立了路径跟随控制器,得到了跟随参考路径的控制信号。根据驾驶员的换道意图与参考换道策略的比较结果,建立了三种不同模糊协同控制器确定驾驶员与路径跟随控制器之间的控制权重,分别是意图一致、提前换道不一致以及滞后换道不一致协同控制器。实验结果证明该方法根据驾驶意图比较结果实现了动态地调节驾驶员与路径跟随控制器之间的控制权限,提高了驾驶员的路径跟随表现,保障了车辆避障时的驾驶安全性。第三,为了处理不同驾驶意图下的路径规划和人机控制权限分配策略问题,论文创新地提出了分层式人机协同规划和跟随控制框架。通过综合考虑驾驶意图和驾驶环境因素,提出了最优协同路径规划算法,为路径跟随控制器提供符合驾驶意图的参考路径。为了调整驾驶员与路径跟随控制器之间的控制权重,基于驾驶员换道点位置处的碰撞时间与车辆碰撞时间等参数,设计了人机协同控制模式及该模式下的协同系数。实验结果证明该框架可根据驾驶意图更新最优协同规划路径,并根据评估的危险程度设计了合理的人机控制权限,辅助驾驶员实现了安全避障。第四,为了解决人机冲突问题,基于博弈理论和改良驾驶安全场,论文创新性地提出了人机动态交互策略。基于非协作纳什博弈理论建立了驾驶员与路径跟随控制器之间的交互模型。通过改变势场形状和引入坐标转换矩阵等方法改良了驾驶安全场,使其能够应用于不同驾驶场景评估驾驶危险程度。为了处理不同驾驶风险下的人机冲突问题,基于改良驾驶安全场评估的驾驶危险程度设计了人机动态交互策略,实现了动态地调整驾驶员对其目标函数中的跟随误差权重,从而改变驾驶员与路径跟随控制器之间的纳什均衡条件。对比实验结果证明该方法减少了人机路径冲突,并取得了最佳的驾驶安全性、控制负荷以及路径曲率等三方面的综合表现。第五,为了同时解决人机控制权限和人机冲突问题,论文创新性地提出了双层模糊协同控制框架。基于人-车-路动力学模型,使用基于势场的模型预测控制方法,创新性地提出了面向人机协同控制系统的运动规划器,解决了自动驾驶控制器路径规划及跟随控制一体化的问题。在设计运动规划器时,将驾驶员操作信号以及目标路径等相关因素考虑至其目标函数中,并设计调节权重变量,实现驾驶员相关与运动规划相关的代价函数之间动态权衡。另外,基于评估的驾驶危险程度以及人机冲突情况,采用模糊控制方法,建立了双层模糊协同控制策略,动态地确定人机协同系数以及调节权重。对比实验结果证明了该方法提高了避障时车辆的驾驶安全性,获得了较好的人机冲突管理表现,减少了人机路径和控制信号冲突。本文研究内容可为人机协同控制方法及先进智能驾驶技术的深入研究提供一定的理论参考和技术支持,具有较大的应用前景。