智能车辆(Intelligent Vehicle，IV)是智能交通系统(Intelligent Transport System，ITS)的重要组成部分，它将环境感知、规划决策、自动驾驶以及多等级辅助驾驶等功能融于一身，在保证车辆行驶安全性的前提下，大幅度提高现有道路的车辆通行效率，并且在一定程度上降低车辆的能源消耗，减小污染物排放。智能车辆作为一个能够实现复杂功能的综合系统，涉及车辆工程、机械工程、自动控制、电子技术、计算机技术等多个学科领域，因此对其进行深入研究不仅具有重要的实用价值而且还具有重要的学术价值。　　论文以北京工业大学智能车辆BJUT-IV为研究平台，针对智能车辆中运动控制的关键问题进行了研究，主要内容如下：　　(1)通过对车辆的横向运动和纵向运动进行动力学分析，建立了适用于不同工况的车辆动力学模型，分别为：低速工况下车辆横向动力学模型，高速工况下车辆横向动力学模型，基于道路误差的车辆横向线性/非线性动力学模型，基于预瞄机制的车辆横向线性/非线性动力学模型，车辆纵向动力学模型。另外针对车辆纵向运动和横向运动之间存在的复杂耦合关系建立了车辆纵横向耦合动力学模型。　　(2)针对车辆在纵向行驶工况下模型参数摄动和外部干扰等不确定性因素对控制效果的影响，结合滑模控制(Sliding Mode Control，SMC)的特性，采用滑模控制加非线性干扰观测器(Nonlinear Disturbance Observer，NDO)的控制方案，提出两种适用于车辆纵向运动系统的滑模控制策略。通过引入非线性干扰观测器对系统中存在的不确定性进行估计，并利用估计结果补偿滑模控制器输出，来提高滑模控制器的控制性能及鲁棒性。另外针对滑模控制的输出抖振问题，基于Lyapunov理论设计了自适应律，通过自适应律实现了控制器参数能够根据系统状态进行调节，从而改善控制输出的抖振现象。　　(3)针对车道线保持控制中可能遇到的不确定性扰动及状态时滞问题，结合线性矩阵不等式(Linear matrix inequality，LMI)理论进行了自校正滑模控制器的设计，并提出两种控制方法。方法一：假设系统中的不确定性扰动满足匹配性条件，在此基础上利用线性矩阵不等式理论给出积分型滑模面存在的充分条件，使系统在滑动模态下对于满足匹配条件的不确定性扰动以及状态时滞具有完全不变性；方法二：假设系统中存在的不确定性扰动不满足匹配性条件，针对这一问题采用线性矩阵不等式理论给出线性滑模面存在的充分条件，使系统在滑动模态下对于存在的非匹配不确定性扰动以及状态时滞具有完全不变性。在此基础上引入双极性sigmoid函数代替符号函数并根据Lyapunov稳定性理论设计了具有自校正能力的滑模控制器，使sigmoid函数的边界层厚度和切换增益可根据系统状态进行自适应调节，从而改善滑模控制器的输出抖振现象。　　(4)针对车辆在实际行驶过程中纵向运动和横向运动之间存在的复杂耦合关系，对智能车辆的纵横向耦合控制进行了研究，提出一种适用于MIMO系统的滑模控制方法。该方法采用滑模控制加NDO的设计思路，首先利用非线性干扰观测器对系统各个通道中存在的不确定性扰动进行估计并利用估计值对控制输出进行补偿；接下来引入双极性sigmoid函数代替符号函数并根据Lyapunov稳定性理论设计具有自校正能力的滑模控制器，在自校正律的作用下sigmoid函数的边界层厚度和切换增益可根据系统状态进行自适应调节，从而改善滑模控制器的输出抖振现象。　　(5)针对智能车辆换道过程中的局部路径规划问题论文给出了基于B样条曲线以及多项式方法的解决方案，另外结合多项式理论和动态RBF神经网络提出一种适用于复杂路面条件下的车辆换道路径规划方法。该方法利用多项式作为换道路径的基函数，将换道车辆及障碍车辆采用几何包裹，并进行碰撞检测。在碰撞检测过程中巧妙地将寻找具有一定安全距离的换道路径问题转化为确定纵向方向多项式参数的范围，从而简化了问题处理的难度。另外该方法利用动态RBF神经网络创新性的解决了多项式路径规划算法的边界条件选取问题，根据不同的外部状况通过动态RBF神经网络能够生成合理的边界条件。最后，在边界条件和性能指标函数的约束下，根据多项式理论得到以时间为参数的换道路径近优解。　　(6)最后，作为对本文研究成果的验证，论文对搭建的智能车辆BJUT-IV实验平台及实验情况进行了介绍。