自适应巡航控制（Adaptive Cruise Control,简称:ACC）作为高级驾驶辅助系统之一,是近年来汽车行业的研究热点。随着ACC系统在车辆上的量产和普及,人们对其在不同行驶工况下的安全性、燃油经济性和驾乘舒适性的需求日益增长,因此,本文拟开展适应多工况的多模式自适应巡航控制系统的研究。首先,搭建了基于PID控制算法的下层控制器。本文研究的ACC系统采用上下两层独立的控制结构,针对车辆纵向动力学具有非线性特性,分别对驱动和制动系统建立了逆模型,结合基于过渡区的切换逻辑,最终建立了 PID反馈控制器,将动力学模型转换为节气门开度和制动压力来控制车辆运动,为之后上层控制策略的建立与联合仿真奠定了基础。其次,对基于模型预测控制（Model Predictive Control,简称:MPC）的上层控制算法进行了研究。通过建立车间纵向运动学模型,设计了一种综合考虑多性能目标优化的MPC算法;在算法的预测模型环节引入具有饱和状态的灰色Verhulst模型,并采用粒子群算法进行参数估计,对前车加速度扰动序列进行了预测,进而应用到跟车模型中。通过多目标二次型性能指标将控制问题转化为多约束的二次规划问题,引入向量约束管理法,解决算法硬约束造成的无可行解问题。通过对舒缓工况和紧急工况进行仿真,验证了改进后的模型预测控制算法,有效提升了自适应巡航系统的动态跟踪性、燃油经济性和舒适性。再次,设计了适应复杂多工况的多模式ACC系统切换策略。对车辆行驶状态进行研究,将系统工作状态划分为定速巡航、跟车巡航和紧急避撞,并建立各工况对应的控制策略以及整体切换规则。针对现有间距策略切换生硬的问题,基于不同跟车时距,提出考虑相对速度改进巡航间距模型和定速/跟车模式切换策略。在跟车巡航模式中应用实时多目标权重分配法,来提升算法在复杂多变工况下的性能。通过数值仿真表明,实时多目标权重可以优化多种行驶工况的控制效果,从而提升了多模式ACC系统的工况适应性。最后,搭建了多模式ACC系统联合仿真环境并进行多工况验证。利用CarSim软件搭建仿真环境和路况,设置行驶工况和传感器参数等,将上层控制器的改进跟车巡航算法编成s函数,与基于有限状态机原理搭建的切换策略和下层控制器串联起来形成闭环控制。分别对紧急切入工况和包含紧急加减速、浅制动和稳态舒缓工况的混合工况进行仿真,结果表明,验证了该多模式ACC针对复杂的驾驶工况切换策略的合理性和上下层控制算法的有效性。本论文的研究方法和结论对车辆自适应巡航控制系统的理论研究提供了有价值的参考。