无人驾驶车辆的纵向控制是实现无人驾驶技术的重要环节,其本质为车速控制。然而车辆动力系统的非线性、车辆参数与道路环境的变化、系统未知的扰动等因素都会影响车速控制的效果,因此设计一种纵向车速自适应控制器是当前工程领域的迫切需求。本论文设计了一种基于状态参数观测的主动抗扰纵向控制算法,主要研究工作包括:首先,设计了用于估计车辆质量与道路坡度的耦合观测器。以车辆纵向动力学模型为基础,基于递推最小二乘(RLS)及扩张状态观测器(ESO)设计了质量与坡度耦合观测器,将在线观测的结果用于模型前馈控制中,并搭建CarSim与Simulink联合仿真平台来验证观测效果。仿真表明,车辆质量观测的平均误差约为2.03%,道路坡度观测的平均误差为2.70%,观测精度满足模型前馈控制的要求。其次,设计了基于耦合观测器的模型前馈(MFC)纵向控制算法。将耦合观测器观测出的质量与坡度值更新至模型前馈控制器中,实时改变控制器结构参数来实现对控制量的补偿,然后设计驱动和制动切换逻辑策略,确定输出油门控制量或制动控制量。再次,设计了基于自抗扰(ADRC)反馈的纵向控制算法。其中,ESO可实时观测系统扰动并在控制端进行补偿,将复杂的纵向动力系统改造成纯积分环节,然后设计反馈控制率,只需整定b0、观测器带宽和控制器带宽三个参数即可,降低了调参工作量。模型在环仿真(MIL)结果表明:当车辆由空载1800 kg和水平0°工况切换至满载2100 kg和上坡6°工况时,PID的控制误差由3.31%增加到9.16%,而ADRC与MFC联合控制算法的控制误差由0.86%变为1.26%,其控制品质较于PID具有更好的自适应性。最后,完成了纵向控制算法的硬件在环(HIL)测试和实车验证试验。开发了面向无人驾驶底层控制的XCU控制器,与dSPACE联合完成HIL测试。最后在无人驾驶比亚迪车辆上进行了实车验证,实车测试结果为:该控制算法只需4～5s左右即可控制无人驾驶车辆从怠速加速至目标车速15 km/h或30 km/h,响应性和稳定性较好。采用相同控制参数在环形道路、施加外部扰动、阶跃变化目标车速等多种工况下进行算法自适应性测试,验证了纵向控制算法的实时性和有效性。综上,本文提出的基于模型前馈及ADRC反馈的主动抗扰纵向控制算法能有效抵抗车辆参数及道路环境变化等系统内外部扰动,自适应性能好。