目前智能车控制方面存在很多不足,譬如鲁棒性与精度不足,动态响应的稳定性欠缺。本文针对智能车控制存在的欠缺部分进行了研究与改进。由于智能车的行驶是时变非线性系统,会有随时的扰动或者突变,不能提前预测,传统的PID算法无法很好地满足其控制需求,为了使小车更精准、平稳的打角和加减速,优化控制舵机打角转向操作的精准度以及使电机达到预期的最佳速度控制,本文采用高效模糊改进自适应的PID算法,该算法将模糊控制理论与传统PID算法相结合,可以更好地克服智能车系统传统PID算法无法实时调节参数的缺点,提高智能车在外界场景突变与不同路况中的适应度,增加了在速度控制上的效率与鲁棒性。在本文的讲述中,首先整体叙述了智能车的研究背景,明确了研究智能车的意义与实际研究进展现状,对智能车研究的必要性与紧迫性进行了充分阐述,并明确了本文对智能车的研究目标与内容。接下来讲述了文中所应用的PID算法、模糊控制模型以及完成智能车控制的相关技术。随后重点阐述了具体应用智能车上的模糊改进后的PID算法,根据智能车的参数推导了传递函数,通过MATLAB中的Simulink仿真模块与制定的模糊规则进行了模糊控制模型的搭建,分别给与负载电机转速扰动和电磁转矩的阶跃扰动应用模糊规则进行仿真,分别应用传统PID算法与改进后模糊自适应的PID算法进行智能车的控制实验对比,进而测试电机控制系统的阶跃响应性能。实验表明,该系统不仅提高了智能车实时调控与优化速度的性能,而且相比于传统的PID算法,改进后模糊PID算法还具有更良好稳定的动态响应、鲁棒性与精确度。紧接着具体将算法应用于智能车中,验证仿真结果的准确性及有效性,系统搭建了IAR的开发工具和Linux的操作系统。智能车的硬件系统应用模块化方式进行设计与制造,具体分析、研究了车体控制存在的一些问题与不足,并提出解决方案予以实践。在提高速度稳定性与可控性方面,将改进后的模糊自适应PID应用智能车控制系统进行调试对比试验,大幅度提升了智能车的智能搜寻与避障、速度控制的精度要求。最终改进后的智能车系统克服传统PID算法无法实时调节参数的缺点,大幅度提高了智能车控制上的效率、鲁棒性以及动态稳定性。