随着社会的发展，人们对汽车驾驶的安全性、舒适性和智能化的要求越来越高。从巡航控制技术延伸发展而来的自适应巡航控制(ACC)能够很好地与这些需求相适应，因而具有巨大的市场需求，使其成为现代汽车技术研究的热点之一。但现在轿车上装备的第一代ACC系统远远不能满足实际需要，研究开发新一代ACC产品就变得很有必要。在新一代ACC的各种行驶模式中，由于汽车大部分时间处在跟随行驶状态下，因此跟随模式研究是ACC研究中的重点。 本文讨论了汽车自适应巡航控制跟随模式的两个问题，一是跟随模式安全车距的确定，二是跟随模式控制模型的建立。 本文结合前碰撞避免系统(FCAS)的研究成果，提出了一种新的安全车距算法。与以前研究的不同在于：本文设定在同一平直车道内排队行驶的两辆同速汽车处在稳定的跟随行驶状况，当前车减速时，跟随车根据前车三种不同减速状况采取相应的减速策略，使得最终两车有一个安全边际而不至于发生追尾碰撞。由此算得的车距就是ACC中的期望安全车距。该值考虑了汽车行驶中的各种因素，如车速、两车减速度等，比目前ACC中使用的“车间时距”更全面。 模糊神经网络(FNN)技术能够较好地处理诸如ACC这样的时变、不能精确定量分析的控制。本文运用模糊神经网络技术设计了ACC跟随模式的控制模型。研究中首先使用模糊控制表的形式建立了跟随模式的模糊模型，为进一步的模糊神经网络控制模型奠定基础，接着构造了一个五层前向BP模糊神经网络，神经元的运算采用逻辑比较计算方法，使得网络的工作方式更接近于人的思维方式，能有效适应各种行驶环境，提高控制的鲁棒性。 本文推导了ACC跟随模式模糊神经网络的运算公式，确定了需要学习的参数。并采用相关文献的实验数据，完成了跟随模式的仿真试验。对结果的分析表明，模型参数通过自适应学习，提高了模型的控制精度并减小了超调量。模型输出与司机控制行为的分析比较表明，跟随模式模型输出很“拟人化”，且相对于司机控制来讲，减少了控制超调，可以满足控制要求。 本文设计了ACC跟随模式模糊神经网络模型的Matlab仿真程序，是ACC开发的有益探索。