随着汽车工业的发展，人类对汽车的性能要求越来越高，这就需要借助于大量的试验来改进设计。而汽车试验中的许多项目，由于重复性强、持续时间长、危险性大、工作环境恶劣、劳动强度大，因此更适合由机器人来代替试验人员进行汽车试验。利用驾驶机器人代替人类驾驶员进行汽车试验对于减轻试验人员的劳动强度，降低试验环境对试验人员的伤害，节省试验费用，提高试验效率，增强试验结果的客观性和准确度，消除人为因素的影响，进而加速汽车研发进度都有重要的意义。　　 本文以汽车排放耐久性试验系统项目为背景，以增强驾驶机器人的车辆性能自学习能力，提高驾驶机器人的车速跟踪精度，改善与提高驾驶机器人驾驶车辆的品质为目标开展了相关的研究工作。本文的主要研究内容及成果包括：　　 1、对汽车驾驶机器人系统设计进行了研究。给出了汽车驾驶机器人的基本要求和系统结构，同时研究了汽车驾驶机器人油门机械腿、制动机械腿、离合器机械腿和换挡机械手的执行机构及驱动方式，并给出了各机械腿/手的主要技术指标，完成了汽车驾驶机器人的硬件系统设计、控制软件设计和抗干扰设计。　　 2、对汽车换挡规律和换挡品质评价与驾驶机器人换挡控制进行了研究。针对目前换挡品质评价方法的不足，提出了一种基于证据理论和模糊神经网络的换挡品质评价方法。运用主观评价和客观评价相结合的方法，通过证据理论对不同驾驶员给出的主观评价进行数据融合，通过模糊神经网络对由仪器测得的客观评价指标和经证据合成后的相应主观评价构成的样本向量进行学习和训练，建立了换挡品质评价系统。计算和试验结果表明，该方法克服了主观评价和客观评价各自的缺点，能客观、准确、有效地评价换挡品质。在此基础上，为了实现汽车驾驶机器人挡位决策的智能化，提出了一种汽车驾驶机器人模糊神经网络换挡控制方法。仿真结果表明，汽车驾驶机器人换挡模糊神经网络控制仿真挡位与试验挡位基本保持一致，该方法可根据操作工况环境实现正确的汽车驾驶机器人挡位控制。　　 3、对汽车性能自学习与汽车驾驶机器人多机械手协调控制进行了研究。为了缩短汽车驾驶机器人在不同车况下以及对不同车型的适应性调整时间，提出了一种用于汽车驾驶机器人的车辆性能自学习方法。对影响驾驶机器人驾驶行为的不同车型车辆尺寸和汽车性能参数进行自学习，对因长时间驾驶引起的控制参数变化进行在线优化，以补偿长时间试验过程中汽车零部件的磨损。试验结果表明，提出的方法实现了驾驶机器人的自学习、自校正、自补偿，提高了驾驶机器人对不同车型和不同车况的自适应能力。为了实现汽车驾驶机器人油门机械腿、离合机械腿、制动机械腿和换挡机械手的综合协调控制，最终实现对预先设定的循环行驶工况的车速跟踪，建立了汽车驾驶机器人递阶控制模型体系结构，提出了一种汽车驾驶机器人多机械手协调控制方法，设计了油门/离合器协调控制器和油门/制动器切换控制器。试验结果表明，提出的方法能合理协调控制汽车驾驶机器人换挡机械手和油门、制动、离合机械腿，使驾驶机器人可以模拟一个熟练驾驶员的手脚协调操作能力。　　 4、深入研究了汽车驾驶机器人车速跟踪控制策略问题。针对传统PID控制在用于汽车驾驶机器人时存在的不足，为了实现驾驶机器人对给定循环行驶工况的车速跟踪，提出了用于驾驶机器人车速跟踪的智能控制方法：模糊控制、神经网络控制和模糊神经网络控制，建立了能够满足实时控制的汽车驾驶机器人车速跟踪模糊控制系统。仿真及试验结果表明，车速跟踪模糊控制方法具有良好的实时性和较强的抗干扰能力，在用于驾驶机器人车速跟踪控制时在线的计算量是很少的，能够满足实时控制的要求，但模糊控制规则及隶属度函数比较难以获得；车速跟踪神经网络控制方法收敛速度快，具有很强的自学习能力，但神经网络对语言信息的处理比较欠缺，不能利用已有的驾驶员的经验知识；车速跟踪模糊神经网络控制方法既具有模糊控制善于利用专家语言信息的优点，又具备神经网络控制强大的自学习能力的优点，明显提高了驾驶机器人车速跟踪的精度，能精确跟踪给定的目标车速，驾驶机器人达到了熟练驾驶员的驾驶水平。　　 5、设计了汽车驾驶机器人驾驶性能评价半实物仿真平台。由于在实际车辆上进行调试存在危险，在半实物仿真平台中，实际车辆由汽车纵向动力学数学模型代替，汽车驾驶机器人的先进控制方法可以借助这个仿真平台进行检验、修正，驾驶机器人驾驶车辆的品质也可以借助这个仿真平台进行性能评价。根据所设计的仿真平台，通过易于获取的车辆有关参数，能快速便捷地获得车辆的动力特性，以便于深入的了解试验车辆性能，为汽车试验的顺利开展提供可靠的参考数据。试验结果验证了该仿真平台的有效性、准确性和可行性。