车辆智能驾驶技术是当前智能交通系统(Intelligent Transport System)中的热点研究方向,自适应巡航系统(Adaptive cruise control,ACC)作为智能驾驶技术的产物,可缓解驾驶员驾驶疲劳,提高道路流通性。近年来,研究人员开始关注车辆燃油经济性和舒适性,使得车辆多性能巡航控制成为重要研究内容。车辆多性能巡航控制不仅考虑行驶经济性,还考虑车驾驶安全性和舒适性等。采用高级算法设计车辆多性能控制器,实时控制车辆运行,可以有效缓解道路拥堵、减少交通事故、提高驾驶经济性。因此汽车多性能研究具有重要意义。本文在现有ACC技术的基础上,针对车辆巡航的多个性能,提出新的控制策略,实现安全、高效、经济、舒适性驾驶。本文主要研究工作如下:(1)现有ACC系统主要是定速巡航,而在城市道路中,车辆巡航过程中需要满足安全、跟踪、燃油经济性以及舒适性等多个性能。论文考虑多目标ACC技术,并从理论角度定性的分析车辆巡航多性能之间的相互关系,最终根据仿真结果将车辆巡航性能分类并通过数学公式表述。(2)车辆巡航系统的多个性能相互冲突,不可能实现所有性能指标均最优,车辆巡航系统本质上是一个多目标优化问题,传统解决多目标问题的方法是加权平均法,将多目标问题转化成单目标优化问题,然而这种方法中,加权系数的选择是根据不同驾驶场景认为修改的,在实际运行过程中,这几乎是不可能实现的。针对这一问题,本文将理想点多目标处理方法和模型预测控制相结合设计理想点追踪的预测巡航控制器,这不仅解决了加权法权重选择的缺陷同时不会影响系统的性能。(3)ACC控制系统是一个复杂的非线性系统,相应的最优控制问题是一个非凸非线性规划问题。由于非线性规划问题需要在每个采样周期内反复求解,所以计算量很大,而ACC系统需要实时响应,因此需要减少计算量。本文采用基于摄动的序列二次规划算法(InPA-SQP)求解理想点算法和模型预测控制(MPC)结合的多性能巡航预测控制问题,通过仿真验证,验证了该算法的快速性。(4)针对城市道路条件下的网联车辆燃油经济性行驶优化问题,提出了一种网联车辆燃油经济性模型预测控制策略,基于交叉路口信号灯数据信息,计算最优经济性目标车速。在此基础上,结合理想点和模型预测控制算法,定义了有限时域燃油经济性最优控制问题,保证道路的流通性、经济性以及驾驶安全性,最终通过仿真实际场景,验证该策略在城市道路中的有效性。