随着全球汽车保有量的不断增加,由此引发的交通拥堵,交通事故以及环境污染问题也越来越严重。自适应巡航系统(Adaptive Cruise Control,ACC)作为智能驾驶员辅助系统(Advanced Driver Assistance Systems,ADAS)的重要组成部分,对于减轻驾驶员的操作负担、提高乘客乘坐的舒适性、以及提高道路的通行能力和降低油耗等都具有非常重要的意义。本课题研究的方向是:针对智能汽车在低附着系数路面下的智能自适应巡航控制研究,实现汽车在冰雪等低附着系数路面上的自适应巡航纵横向控制。本文的智能自适应巡航系统需要识别当前的路面附着系数参数。因此通过采集不同路面条件行驶的车辆的纵向加速度、横向加速度等参数。采用NARX神经网络算法建立路面附着系数估算模型,通过上述采集的车辆参数作为模型的输入量,估算出此时路面的附着系数。针对车辆的横向控制本文提出了基于模型预测控制算法的车道保持控制器。首先是分析了车辆的横向动力学和轮胎的侧偏特性,引入了改进轮胎模型,以线性变参数的方法建立了具有准线性结构的横向动力学系统,既没有增加算法的计算量,也克服了低附着系数路面对模型的影响。在MPC(Model Predictive Control)算法的框架下建立了车道保持的控制目标和系统约束,以缩小车辆的横向误差为控制目标,同时约束前轮转角增量,保证车道保持控制的平稳性。针对车辆的纵向控制,设计了上下两层的控制器,其中上层控制器的作用是计算自适应巡航控制的期望纵向加速度,上层控制器又可以根据前方行驶工况分为定速巡航和自适应巡航。定速巡航采用PID算法计算期望纵向加速度;自适应巡航系统采用MPC算法,选用了一种能反映路面附着特性安全距离模型。保证了车辆实际行驶过程中的安全。下层控制器的作用是通过对油门和刹车踏板的控制,使汽车准确跟随期望加速度。下层控制器则是建立了加速/制动控制切换策略,并且分别建立了发动机和制动器逆模型,实现对期望加速度的跟踪。结合车辆的纵向和横向控制,考虑车辆纵向速度对横向控制的影响,将纵向车速的变化实时输入到横向控制中,来提高整个控制系统的控制稳定性。最终实现低附着系数路面自适应纵横向控制。整个系统是通过CarSim和Simulink联合仿真的方式实现,在不同的工况下验证了算法的有效性。