研究智能车辆旨在提高安全性、乘坐舒适性、效率和减少交通系统对环境的影响。智能车辆作为智能交通系统的重要组成部分，集成计算机、传感器、信息融合、控制、通讯、地理信息和人工智能等先进技术。对智能车辆的深入研究具有重要的学术意义和实用价值。　　智能车辆运动控制策略是重要的研究内容之一。在智能车辆自主行驶、安全行驶及发挥车辆交通工具的其他作用基础上，论文研究了以安全性、节能性和乘坐舒适性等为性能指标、且满足车体本身和环境的各种约束条件的智能车辆最优运动控制策略问题。智能车辆本身是受约束的复杂的存在不确定性参数的非线性系统，并受到道路环境、安全行驶、交通法规和乘客要求等限制，使得智能车辆最优运动控制策略的研究存在许多亟需解决的问题。重点研究了智能车辆纵向和横向最优运动控制问题建模、基于扩展伪谱法的不确定性最优控制问题求解方法、最优轨迹跟踪控制等核心内容。因此，论文研究了智能车辆最优运动控制的工程问题，同时给出了最优控制理论科学问题的一些成果。　　智能电动车对解决能源安全、能源危机、环境保护和大气保护等问题，具有特别的突出优势。论文以北京工业大学智能电动车辆BJUT-Ⅳ为研究平台，开展了智能车辆最优运动控制策略及相关关键问题的研究，主要内容如下:　　(1)建立车辆纵向和横向运动动力学模型与分析车辆模型的参数不确定性。车辆纵向运动动力学模型包括转矩输入和轮胎纵向力输入的纵向运动动力学方程及状态方程模型，并基于反馈线性化方法和模型预测控制进行车辆纵向运动控制。横向运动动力学模型分为四轮前后轮转向横向运动误差模型、四轮前轮转向横向运动误差模型、视觉空间横向运动模型，以适合不同横向运动控制应用需求。将车辆模型中的参数分为确定性参数和不确定性参数两类。车辆质量、路面倾斜角、滚动阻力系数、车体转动惯量、纵向车速和轮胎-道路系数等参数定义为不确定性参数。车辆质量是纵向和横向动力学模型中均有的基础参数，论文以车辆质量参数为例展开研究。不确定性参数的分析和处理是智能车辆最优运动控制问题的基础和必要的内容。　　(2)设计了基于直接法和伪谱法的不确定性优化问题的数值求值算法。针对车辆模型中的不确定性参数使得智能最优运动控制问题为不确定性优化问题，在直接法理论和伪谱法基础上，提出了扩展伪谱法。按照不确定性优化问题的目标函数的类型，分别给出了Bolza型、Mayer型和Lagrange型不确定性优化问题的优化算法。这些算法作为后续智能车辆最优运动控制问题的求值算法。　　(3)针对智能车辆纵向最优运动控制满足行驶时间最短、减少能源消耗和合理利用能量的性能指标问题，提出了基于扩展伪谱法和模型预测控制算法的分层优化控制策略。建立定路程行驶时间最短纵向最优运动控制问题，给出确定性车辆质量和不确定性车辆质量的优化结果。针对智能电动车辆车载蓄电池电能容量有限问题，完成了能量感知的车辆纵向最优运动控制问题研究，包括能量感知的行驶时间最短、能耗消耗最少和巡航路程最远的三个问题。设计了基于扩展伪谱法和MPC的智能车辆能耗优化纵向最优运动控制策略。以能耗优化的车速轨迹作为参考输入，基于MPC算法完成车速轨迹跟踪控制。结果表明，车辆能耗优化的纵向运动可以明显减少了能量消耗。　　(4)针对智能车辆横向最优运动控制满足换道时间最短、保证车辆安全和车辆稳定性的需求的问题，提出了基于扩展伪谱法和串级优化的三种横向最优运动分层优化控制策略。对于时间最短自由换道和紧急避撞换道横向优化运动，分别给出了确定性和不确定性车辆质量的优化结果。基于EPS和串级MPC集成驾驶员转向的车道线保持控制，解决车道线保持控制和EPS之间串级结构关系的控制策略问题，集成驾驶员转向以应对突发状况。研究了基于LQ和MPC串级优化的稳定车道线保持控制，集成了车辆直接横摆力矩控制和车道线保持控制。　　(5)基于实验车道的智能电动车辆最优运动控制研究。包括采集实验车道线GPS定位数据、车道线拟合和交通标志检测与识别等。针对获得光滑连续参考轨迹的问题，采用回旋曲线拟合GPS定位数据获得车道线模型，将车道线拟合问题转为G1Hermite插值问题，基于Newton-Raphson算法计算G1Hermite插值问题，减少迭代次数。针对车道上禁行交通标志识别问题，提出基于颜色特征和SNCC算法的识别方法，识别准确性高且计算量小。对整个车道分段处理后，给出了整个车道的能耗最优的纵向最优运动控制结果和稳定车道线保持结果。　　论文对智能车辆最优运动控制策略进行深入研究，优化结果综合验证了文中方法的有效性，也反映了智能车辆最优运动控制策略研究取得的一些成果。