随着交通安全等问题的日益严峻,智能汽车运动控制的相关研究已经成为人们关注的焦点。为了提高智能汽车的安全性,当前车辆横纵向控制方法不仅需要保障路径跟踪时的行车稳定性以及乘客乘坐的舒适性,还需要充分考虑外界环境的干扰和不可预计的模型误差。本文开展了一种基于二阶滑模（SOSM）和加权融合的车辆横向稳定性协调控制方法的研究。主要研究内容和成果如下:（1）首先,基于最优预瞄理论获得理想方向盘转角进行路径跟踪。然后,针对路径跟踪时存在的位置偏差和横摆角偏差问题,设计了一种基于新型趋近律的SOSM路径跟踪控制器来抵抗干扰、减小跟踪误差。最后,以五阶多项式拟合曲线作为参考轨迹,仿真证明此控制器的位置偏差整体小于滑模控制,且能在继承传统滑模（SM）鲁棒性的基础上有效地减弱其抖振现象,路径跟踪效果明显更优。（2）针对固定预瞄时间的方法可以实现路径预瞄跟踪但无法适应复杂道路和环境的约束这一问题,采用自适应优化算法,考虑路径跟踪偏差、转向轻便性、侧向加速度和车辆稳定性构成的指标函数来自适应调节预瞄时间;选用熵权法优化权重系数,提高搜索范围和精度,从而兼顾较优的路径跟踪效果和车辆稳定性。（3）针对车辆极限工况行驶时路径跟踪控制存在的局限性问题,提出了一种横向稳定性协调控制方法来保证车辆的行驶安全性。采用加权融合法对横摆角速度偏差和质心侧偏角偏差进行加权得到综合偏差作为滑模变量,提出了一种基于新型趋近律的SMC来设计直接横摆力矩控制器以减小综合偏差保障车辆稳定性;基于前轮临界转角的协调分配算法确定该控制系统的介入时机和上述两种控制器各自的工作区域,实现不同工况下车辆路径跟踪过程中的稳定性控制。（4）搭建Car Sim-Simulink联合仿真平台,进行不同驾驶场景的仿真试验来验证横向协调控制策略的有效性。结果表明鱼钩工况和双移线工况下基于新型趋近律的二阶滑模路径跟踪与车辆稳定性协调控制策略相较于SOSM控制方法的单独控制具有更好的鲁棒性,且跟踪精度高、车辆稳定性好。