随着城市建设的不断推进,原本简单的道路交通环境变得复杂多样。与此同时,汽车保有量逐年增长,使得越来越多的新手驾驶员面临更多的操控负担与决策难题。然而,目前市场上产品化的自适应巡航系统虽然能够解决大部分驾驶辅助问题,但其功能性却未覆盖全速范围,并且缺少面向驾驶员操控特性的“人性化”设计以及面向车辆自身动力学特性的“车性化”考虑,致使产品的适宜性大打折扣。因此,本文进行了基于学习控制的汽车全速自适应巡航决策与控制算法研究,通过对真实驾驶员纵向驾驶规律的深入分析,从学习控制角度出发,将自适应巡航系统的“人性化”决策以及“车性化”控制问题转化为对学习算法的设计问题,旨在提升系统自主行为决策的因果关联性,与此同时实现全时速范围内的自适应巡航控制功能。主要研究内容如下:首先,针对驾驶员纵向驾驶行为特性的研究问题,本文利用驾驶模拟器以及实车平台分别进行跟车行为和起停行为的实验测试,获得了用于表征驾驶员纵向驾驶行为特性的关键参数。与此同时,利用以上关键参数并结合安全性及工效性指标,建立了基于Sigmoid函数的驾驶员操控风格模糊评价体系,进而综合驾乘人员的主客观三方评价结果,提出了表征综合评价指标的加权值R~+和R~-,实现了对驾驶员纵向驾驶行为特性更为准确的定位。其次,针对仿驾驶员跟车行为的决策与控制方法设计问题,本文从机器学习理论出发,通过深入分析驾驶员纵向驾驶的行为特性,在仿驾驶员跟车行为机理下,利用基于马尔科夫决策过程模型的增强Q学习算法揭示了驾驶员操控行为特性与车辆自主决策之间的内在联系,从而将传统基于规则的决策方法转换为基于学习的智能化决策方法。其中,考虑到驾驶风险原则设计了算法的状态集与动作集,考虑到车辆不同运动状态设计了回报函数,并利用贝尔曼方程将与状态有关的值函数转换为与动作有关的评估函数,实现了学习进程的迭代。进而,考虑到车辆自身动力系统特性,以车辆逆纵向动力学模型作为基础,结合发动机的输出特性及制动系统模型,将基于增强Q学习算法的决策结果转化为具体的控制指令。然后,针对仿驾驶员起停行为的决策与控制方法设计问题,本文从学习控制角度出发,通过对驾驶员操控下车辆起步特性以及刹停特性的深入分析,设计了一种仿驾驶员起停行为的车辆低速自动驱动与制动控制方法。在驱动部分的设计中,利用多级快速傅里叶变换对加速度曲线进行拟合,并基于迭代学习算法实现对期望加速度及期望节气门开度的跟踪控制;在制动部分的设计中,基于理想制动模型与动态碰撞时间相结合计算期望减速度,并通过车辆逆纵向动力学模型与制动系统模型实现对期望减速度的跟踪控制。与此同时,考虑到车辆驱动控制与制动控制之间的相互独立性,本文设计了一种驱动控制与制动控制的模式切换策略并利用阈值迟滞值对其进行了优化,实现了车辆在低速状态下的自动起停功能。最后,针对所设计算法的验证问题,本文进行了仿真测试及实车实验测试。一方面,利用CarSim平台对整车参数与模拟的工况环境进行了设置,实现了跟车行为与起停行为的仿真测试;另一方面,利用dSPACE MicroAutoBox作为车辆的外接控制器,嵌入所设计的算法对车辆实施控制,通过市区内快速路工况实现了对跟车行为和起停行为的实车测试。根据仿真与实车测试结果,验证了基于学习控制的汽车全速自适应巡航决策与控制算法的可行性与有效性。