随着电动汽车的慢慢普及,自适应巡航控制(Adaptive Cruise Control,ACC)技术在电动汽车上的应用研究逐渐被各大汽车厂商提上日程。电动汽车由电机驱动行驶,驾驶员操作电动汽车时可以根据行驶环境的不同来主动控制加速踏板和制动踏板实现汽车的加速或减速,但在ACC系统中电动汽车的驱动完全是依靠控制算法自动控制电机的驱动电流来实现的。电机自身具有强耦合、非线性等特性,汽车的行驶环境复杂多变、具有很多不可预知性,所以需要一种行之有效的电动汽车驱动控制算法。目前的驱动控制算法在雨雪天等环境较恶劣的工况下显得不够灵活,而且抗干扰能力较差,因此研究一种新的电动汽车的驱动控制算法具有重要意义。针对以上问题,依托人工神经网络良好的非线性系统表达能力,提出了基于径向基函数(Radical Basis Function,RBF)整定PID的电动汽车驱动控制方案。并以RBF神经网络为研究核心,以Matlab/Simulink为仿真实验平台,搭建了电动汽车驱动电机的矢量控制模型,对模型进行了仿真实验,分析了电机的输出扭矩以及速度响应等特性,结合安全车间距理论建立了电动汽车的纵向动力学模型。在建立了电动汽车驱动系统和纵向动力学模型的基础上把电动汽车的驱动控制模式分为了定速巡航控制和跟车巡航控制两种,定速巡航控制又分为有前车和没有前车两种情况。将汽车的纵向速度作为被控对象,通过输入不同的速度指令模拟电动汽车加速或减速的工况。在两种驱动控制模式下分别对RBF整定PID控制算法和BP整定PID控制算法的控制效果进行了对比。为了验证电动汽车的速度响应在RBF整定PID控制作用下具有更好的抗干扰能力,还对汽车上下坡的工况进行了仿真实验。结果表明电动汽车在基于RBF整定PID的控制下相比BP整定PID控制具有更快的速度响应和更好的抗干扰能力。在本文最后还给出了电动汽车驱动控制系统主要的硬件和软件的功能分析与设计。