随着自动控制技术、计算机技术的发展,汽车的智能化水平愈来愈高,由于广袤前景和新颖性,其成为了研究和关注的热点。其中主动换道是智能汽车研究的重点领域之一。研究汽车主动换道有助于解决交通拥堵和提高交通安全性。但是目前对智能汽车换道的研究大多集中在一些低速或者条件良好的工况,而智能汽车作为交通工具避免不了一些高速或者较湿滑路面的行驶。毫无疑问,车辆在湿滑路面上进行高速行驶时其结构参数会发生变化,其中和轮胎侧向力密切相关的轮胎侧偏刚度随着道路条件、轮胎充气压力、垂直载荷等因素的变化而发生变化。若在基于模型设计的控制系统中将轮胎侧偏刚度设为定值,则由于侧偏刚度的不确定性会造成与实际应用有较大的误差。轨迹跟踪控制的性能取决于控制算法和车辆参数的精确性,因此本文针对考虑到侧偏刚度影响的智能汽车主动换道进行了以下研究:首先进行汽车动力学建模,选用Carsim与所建立的模型进行仿真对比分析,验证所建立的模型可以满足轨迹跟踪控制的设计要求。建立考虑周围车辆影响的安全距离模型,求得最小安全距离;采用五次多项式规划车辆换道轨迹,并添加动力学约束以保证所规划的轨迹光滑、安全。为解决车辆在低附着路面行驶的多种约束要求,设计了基于多约束的模型预测控制算法的轨迹跟踪控制器,在低附着路面工况下仿真验证了其有效性。接着设计轮胎侧偏刚度估计策略,分析侧偏刚度的影响因素,依据所选择的低附着路面工况,选取轮胎压力、速度为次要影响因素,而选取轮胎侧偏角和垂直载荷为主要因素。本文提出一种采用高精度、高效率的极限梯度决策树算法的侧偏刚度估计策略,同时选用径向基神经网络算法进行侧偏刚度估计的策略,作为与极限梯度决策树算法侧偏刚度估计策略的对比。针对车辆在湿滑路面高速行驶时侧向加速度接近附着极限,轮胎侧向力很容易进入非线性区域的问题,将所估计的侧偏刚度加入到轨迹跟踪控制模型中,设计一种考虑侧偏刚度变化的轨迹跟踪控制器。最后利用Carsim和MATLAB/Simulink进行联合仿真从而验证所提出的轮胎侧偏刚度估计的准确性以及轨迹跟踪控制器的跟踪性能。为进一步验证研究内容的可靠性,在基于Carsim和Lab VIEW的硬件在环平台进行相关工况试验,验证了考虑侧偏刚度影响的轨迹跟踪控制器的有效性。