分布式驱动电动汽车结构不确定性（模型参数摄动）及非结构不确定性（未建模摄动和外界干扰）是车辆行驶稳定性精准判断、高效控制面临的主要问题。研究随机干扰下分布式驱动电动汽车失稳特性及干扰抑制主动控制,对提高车辆行驶稳定性具有重要的意义。本文结合国家重点研发计划项目“智能电动汽车的感知、决策与控制关键基础问题研究”子课题（2016YFB0100905）的部分内容,针对随机干扰下分布式驱动电动汽车行驶稳定性问题,提出基于鲁棒自适应滑模控制的主动转向和遗传优化模糊控制的横摆力矩协调控制策略,以提高车辆干扰抑制的能力,保证车辆行驶的稳定性与鲁棒性。具体研究内容如下:（1）分布式驱动电动汽车整车动力学建模。针对分布式驱动电动汽车的特点,对整车各系统进行模块化处理,利用Matlab/Simulink建立包含车身（纵向、侧向和横摆）、车轮、非线性“魔术公式”轮胎和轮毂电机模型的七自由度整车动力学模型。并在阶跃转向和双移线工况下与Carsim车辆模型进行仿真对比,验证所搭建模型的有效性,为下一步汽车失稳分析和主动控制奠定研究基础。（2）随机干扰下分布式驱动电动汽车失稳研究。分析车辆结构参数摄动和外界干扰对车辆稳定性的影响,得到参数变化与车辆状态参数的关系;通过改变车辆的初始状态,以不同侧向速度和横摆角速度代替行车辆驶过程中受到的随机干扰,结合相平面法分析车辆的行驶稳定域;并利用BP神经网络的自学习等优势,实现β-β相平面稳定域边界的参数预测,最后根据车辆状态点与边界的距离来判断车辆的稳定性。（3）分布式驱动电动汽车干扰抑制主动控制器设计。针对车辆参数摄动和不确定干扰问题,传统的滑模控制为保证控制器的鲁棒性,面对不确定扰动界限未知时,设计参数往往会取值较大,但过大的控制器参数会增大系统的“抖振”。因此,提出将自适应律与滑模控制相结合,并设计了基于鲁棒自适应滑模控制的主动前轮转向控制器。此外,基于模糊控制设计了附加横摆力矩控制器,通过引入附加横摆力矩来进一步提高车辆在更大的随机扰动下保持稳定行驶的能力。由于模糊控制过于依赖设计者经验,并对过程控制缺乏一定的客观表达,为此,利用遗传算法对模糊控制的量化因子、比例因子、模糊子集和模糊规则进行了优化,得到基于遗传优化模糊控制的横摆力矩控制器。（4）基于AFS+DYC干扰抑制协调控制。为实现在多约束条件下,附加横摆力矩最优分配,利用二次规划算法求解得到四个车轮的最优力矩。根据车辆稳定判断参数S设计车辆不同状态的控制策略。并对不同扰动下车辆的稳定控制进行仿真验证,仿真结果显示:所建立的AFS+DYC控制算法能够实现对外界复杂扰动的抑制,保证了车辆行驶的稳定性。