无人驾驶技术能有效降低交通事故率、节省动力能源、缓解交通拥堵,是新一轮科技革命与产业变革的重要着力点与主要立足点,是汽车强国主要的战略角力场。在无人驾驶工程样机能够完成大多数工况的宏观背景下,针对具有突发性、强破坏力的紧急工况,如何保证车辆的主动安全性能成为制约无人驾驶技术推广应用的关键科学技术难点。本课题依托科技部重点研发计划“复杂行驶环境下自动驾驶车辆决策与协同控制技术”的子课题“整车纵横向解耦鲁棒控制研究”（2017YFB0102603-3）,针对紧急工况下传统局部运动轨迹规划方法过于保守导致避撞失能的问题与复合输入下一般循迹跟踪控制方法纵横向控制交互干扰导致跟踪精度下降的问题,以车辆动力学为基础展开研究,探索针对紧急工况避撞的运动规划与循迹控制方法。论文主要研究内容如下:（1）探究车辆纵横向动力学耦合特性及其影响。首先,根据3自由度单轨车辆动力学模型、车轮模型、Uni Tire轮胎模型,分析了车辆纵横向耦合产生机制。进而,基于操纵图与Car Sim车辆动力学软件,分别从理论分析与数据挖掘的角度,研究了车辆纵横向动力学耦合特性对于车辆横向运动、纵向运动以及循迹跟踪的影响;最后,根据纵横向跟踪结果与车辆状态响应,分析纵横向耦合特性表征与影响因素,提出了车辆纵横向耦合程度的定量评价方法与车辆耦合状态的分级标准。（2）面对车辆纵横向动力学耦合条件下,轨迹跟踪精度难以提高的难题,研究基于解耦思想的循迹跟踪控制方法。首先,针对车辆耦合导致纵横向交互干扰的问题,基于Interactor算法证明车辆纵横向动力学系统可逆性,利用反向传播神经网络建立车辆逆系统,串联逆正系统完成车辆系统的纵横向解耦,将车辆系统解耦成纵向加速度、侧向加速度独立可控的二维伪线性系统。其次,针对伪线性系统无法直接跟踪目标路径路点与目标速度曲线的问题,基于车辆运动学模型与几何图学模型,将目标运动轨迹分解成目标车辆运动状态,通过状态跟踪间接实现目标运动跟踪。最后,针对车辆状态跟踪累积误差的问题,提出基于航向角逼近的运动轨迹修正模型,保证车辆位置在环控制。（3）为综合实现目标运动轨迹的高精度、高效率跟踪,研究多种循迹跟踪控制器的协同调度方法。首先,根据车辆耦合状态分级标准标注数据样本,建立带标签的车辆状态数据集。其次,通过训练Bagged随机森林得到车辆耦合状态分类器,结合逻辑算子,提出了局部运动轨迹耦合等级分类方法。最终,设计基于耦合等级的循迹跟踪算法调度策略,以综合利用纯跟踪方法计算效率高和解耦循迹跟踪方法跟踪精度高的优点。（4）面对高速、短距紧急工况安全避撞的严苛要求,研究紧急工况下车辆运动轨迹规划方法。首先,为消除传统局部路径规划方法保守性设计导致的规划失败或目标轨迹不可达问题,基于自主泊车避撞路径规划思想,最大化利用交通环境空间,将紧急避撞任务分解为安全避让与稳定运动,提出分段多项式路径规划方法。然后,针对传统的防侧滑约束过于保守导致车辆极限性能不能发挥的问题,基于β-β相图设计车辆稳定性预测器,以评价动态规划算法中状态跃迁的代价,根据目标路径合理配置稳定速度。最后,针对不同交通场景,设计了针对动、静态障碍物与复杂交通环境下紧急工况避撞方案决策规则表,通过“规则决策+优化规划”集成,实现不同紧急避撞场景下的运动轨迹规划。经过Simulink与Car Sim联合仿真,所提出运动轨迹规划算法能够指导高速无人驾驶汽车不与突现近距障碍物发生碰撞,证明了规划算法的可行性。最后,将一般工况下局部路径规划算法与紧急工况下避撞运动轨迹规划算法集成、运动轨迹规划算法与解耦循迹跟踪控制算法集成,构建无人驾驶汽车规控算法。然后,基于Car Sim的模型在环与基于Speedgoat Mobile的硬件在环进行集成算法紧急避撞有效性仿真验证,结果证明了提出的集成规控算法针对紧急突发情况能够有效实现车辆安全避撞与轨迹可达,且时效性满足硬件要求。此外,有无解耦循迹跟踪算法的避撞结果指出,在面对紧急突发障碍物时,提出的解耦循迹跟踪算法因能提高循迹跟踪精度,可有效提高无人驾驶车辆的主动安全性、运动稳定性。