自从第二次工业革命开始,汽车逐渐步入人们的生活,现如今汽车已走入千家万户,成为现代人主要代步工具。同时随着汽车保有量的不断增加,城市交通不堪重负,停车难的问题越来越凸显。停车空间也变得越来越狭小,停车的实际情况也变得越加复杂,驾驶员需要在有限的空间里完成繁琐的泊车的过程,效率低且安全性不能保障。特别是对于缺乏经验的驾驶员很难连续一贯的完成泊车过程,人为疏忽也容易导致事故的发生。由此可见,开发出自动泊车系统完成繁琐的泊车过程显得尤为必要。目前大多数的泊车系统多采用模糊控制,现有模糊控制多依据专家经验获取控制规则,主观性较大。同时当问题复杂时候,获取模糊规则往往十分困难。规则复杂,容易影响系统的决策时间,规则过少系统的控制精度和稳定性都将受到挑战。本文采用自组织神经网络对采集的数据分析确定模糊规则。隶属函数的确定采用和神经网络结合的方法,利用神经网络的自学习和自适应能力对相应参数加以调节,最终确定模糊神经网络结构。小车在实际环境中的运动往往受多重因素的影响,本文首先建立小车的简化运动学模型,重点讨论了小车的转向半径与车轮转向以及车速之间的关系,并利用MATLAB仿真平台对平行泊车的过程开展研究。设置车位坐标,采样时间和车身大小等的各项参数后,分别利用模糊控制器和模糊神经网络控制小车泊车。小车的车身倾角和前轮转向以及坐标及时反馈于控制器,控制器控制小车运动完成泊车仿真。搭建小车的实物模型验证上述算法,通过超声波传感器获取周边位置信息,从而绘制泊车地图,自动识别车位。将训练过的模糊神经神经网络移植到ARM处理器控制模型小车的移动。同时通过获得的位置信息及时纠正小车的姿态并提供防撞预警,使小车安全平顺的倒入车库。