在自主驾驶车辆纵向行驶过程中,环境的干扰因素对其具有较大的影响,例如道路坡度的变化、车辆质量的改变、风阻的变化、路面摩擦阻力的改变等。在上述干扰因素的影响下,如何提高自主驾驶车辆纵向速度控制器对于干扰的自适应能力,是速度控制器设计的一个难点。为了解决上述问题,很多具有干扰自适应能力的速度控制器被相继提出,本文重点介绍了一种已在实际中应用的比例内模速度跟踪控制器,该控制器具有一个内模环节,可以有效得到当前环境的干扰量,将干扰量经过滤波反馈给控制器从而提高了控制器对环境干扰的自适应能力。但是,该控制器的内模环节得到的干扰量包括了很多的干扰因素,而不同的干扰因素又具有不同的特性,例如道路坡度随路面起伏变化较快,而车辆质量通常在一次实验过程无变化。因此,上述的比例内模速度控制器对环境干扰量进行统一滤波处理的效果并不理想。为了进一步提高自主驾驶车辆速度控制器对环境干扰的自适应能力,可以考虑对环境中的主要干扰信息进行估计。然而,由于环境干扰中的不同干扰信息具有不同的特性,这增加了估计器的设计难度。另外,车辆系统具有的高度非线性,其纵向运动所涉及的车辆子系统也较为复杂,如何建立适合用于实际控制器设计的车辆纵向模型也是一个关键问题。基于上述的分析,本文主要研究目的是设计对主要环境干扰因素即道路的坡度及车辆的质量具有较好自适应能力的速度控制器。为了实现上述目的,首先,本文针对自主驾驶车辆的纵向运动建立了适合实际应用的车辆加减速表格模型,不同于传动的车辆动力学模型,本文建立的车辆加减速表格模型不仅描述了车辆的纵向动力学特性,而且描述了车辆加减速过程中节气门开度、制动压力和车辆纵向力之间的关系,因此其更适合用于实际的车辆控制。然后,针对道路坡度和车辆质量变化,设计了基于车辆加减速表格模型的道路坡度及车辆质量联合估计器,相比于目前已有的估计方法,本文设计的联合估计器不仅可以对车辆加速过程中道路坡度及车辆质量进行有效估计,同时还可以对车辆的制动过程中的道路坡度及车辆质量进行有效估计。在上述工作的基础上,提出了本文设计的道路坡度及车辆质量自适应的自主驾驶车辆纵向速度控制器,相比于比例内模速度控制器,本文设计的控制器对环境中的主要干扰量即道路的坡度和车辆的质量进行了估计,并根据其特性对估计的结果进行不同的滤波处理后反馈给控制器,从而有效提高了速度控制器对道路坡度及车辆质量的自适应能力。对于上述的工作,本文进行了详细的实验验证。首先,通过高精度车辆动力学仿真软件veDYNA和实际的无人驾驶平台,对本文建立的车辆加减速表格模型、道路坡度及车辆质量联合估计器的有效性进行验证。然后,对比验证了比例内模速度控制器和本文设计的道路坡度及车辆质量自适应的自主驾驶纵向速度控制器的控制效果,并对实验结果进行了详细的分析。最后,对本文研究工作进行了展望,包括进一步完善本文建立的车辆加减速表格模型以及针对更多的干扰信息进行估计,进一步提高速度控制器对环境干扰的自适应能力。