智能车辆作为智能交通控制领域中一项主要的研究内容,其将多种现代电子信息技术集成于一体。随着当前社会对于现代车辆的智能化、安全化的需求越来越高,智能车辆成为世界上各个国家在交通领域竞相研究的热点问题和技术前沿。在国家自然科学基金项目(编号61104165)的资助下,本文主要针对智能交通公路系统中,智能车辆的路径跟踪联合仿真控制问题进行了研究分析。为了使建立的车辆动力学结构模型尽可能接近实车的机械系统动力学,本文首先对车辆的复杂结构进行了简化分析,然后以ADAMS/Car为仿真分析平台建立了智能车辆的各子系统模型,最后将各子系统组装成整车虚拟样机模型并定义了系统仿真时的输入变量和输出变量。为了降低路径跟踪过程中的横向偏差与方向偏差,本文设计了一种基于车辆横摆角速度反馈方法的路径跟踪控制策略。基于车辆的运动学模型和位姿误差模型,通过对车辆实际位置与预瞄点之间虚拟路径的跟踪来生成期望横摆角速度,并采用滑模算法和RBF神经网络算法相结合的控制方法设计了车辆的路径跟踪控制器,从而使智能车辆能够较好地跟踪期望的运动轨迹。经过大量的实验表明,在车辆行驶过程中遭遇突发状况时,驾驶员的最优操作是采用转向而不是刹车来避开障碍物,本文针对城市道路交通中车辆主动防碰撞进行了研究分析,基于车辆和障碍物之间的临界安全距离设计了避障决策曲面,并通过对几种避障轨迹进行了比较分析设计了等速偏移轨迹和正弦函数加权叠加的避障轨迹。针对不同道路曲率的期望路径,本文在ADAMS/Car和Matlab/Simulink软件平台下对车辆路径跟踪控制系统进行了联合仿真分析研究,解决了控制参数在线调整的问题。仿真分析结果表明,本文所设计的智能车辆路径跟踪控制系统能够控制车辆准确地跟踪不同曲率的期望运动轨迹,整个控制过程运行平稳,具有较好的动态特性和鲁棒性,并且本文的控制算法提高了系统的控制精度,改善了系统的跟踪性能。