近年来随着世界生产力水平的提高,各国的汽车保有量持续增长,随之出现了交通拥堵、交通事故等世界性难题。自动驾驶汽车技术越来越引起人们的关注,车辆主动避撞技术是其中重要的一部分。针对目前主动避撞系统的局限性,与极限工况下转向避撞稳定性的问题,本文开展了自动驾驶车辆主动避撞系统控制策略的研究,设计了制动/转向避撞协同控制策略,优化了转向避撞轨迹跟踪精度与车辆稳定性,其研究结果具有重要的理论意义与应用前景。论文的主要研究内容如下:首先,针对单一制动避撞方式的局限性,依据避撞决策机制,制定了制动/转向避撞控制策略。对于纵向制动避撞,运用模糊控制理论设计出纵向制动避撞控制器,输出合理的制动减速度,实现与前车保持安全间距。针对转向避撞,通过建立三自由度车辆动力学模型,分析车辆换道过程中的侧向动力学特性。为保证车辆转向避撞轨迹的连续性与安全性,采用五次多项式拟合的方法规划避撞轨迹曲线,以最小转向安全间距作为约束条件。运用模型预测控制理论搭建车辆转向避撞路径跟踪控制模块,并在蛇形工况下对其有效性进行验证。其次,鉴于车辆在高速、低附着路面行驶时,转向避撞车辆可能发生失稳。采用质心侧偏角-质心侧偏角速度β-dβ相平面的方法,分析不同车速、道路附着系数影响下的稳定域变化规律,确定车辆稳定域边界函数,将T-S模糊神经网络与滑模理论相结合,求解出附加横摆力矩分配给各个制动车轮,对极限工况下车辆转向避撞轨迹跟踪能力与稳定性进行优化。并且通过双移线（DLC）工况进行仿真实验,结果表明优化后的控制效果具有更好的鲁棒性。最后,通过Simulink/Carsim联合仿真,分别对车辆制动/转向避撞控制算法进行验证。纵向制动避撞的仿真结果表明:不同工况下,可以稳定的输出期望的制动减速度并与前车保持合理的安全间距。转向避撞的仿真结果表明:基于T-S模糊神经网络与滑模理论协调控制策略,使车辆在极限工况下更具有操纵稳定性,且一定程度上提高了避撞轨迹跟踪的能力。