自适应巡航控制(Adaptive Cruise Control,ACC)作为一种辅助驾驶系统,在中高档车辆中得到了一定的应用,对于提高驾驶的安全性,降低交通事故发生率,减轻驾驶员疲劳感起到了积极作用。但目前以行车安全性为单一目标的ACC系统,对用户的驾驶舒适性考虑不足。为此,本文对前车车辆类型进行分类,提出一种基于前车类型和心理场的车间时距控制算法,以增强驾驶安全性和提高驾驶舒适性;针对存有系统误差时ACC控制器控制精度低的问题,设计基于卡尔曼滤波和改进BP神经网络PID的车辆状态控制算法,以保障行车安全性和驾驶舒适性。本文所做研究工作包括:(1)基于车辆动力学理论,分析和搭建车辆系统模型。首先分析驾驶员控制车辆运动状态的纵向动力学模型,并根据输入量的不同将其划分为驱动系统和制动系统。然后考虑车辆在行驶过程中受到的空气阻力、驱动力、制动力及滚动阻力,分别搭建车体模型、传动系统模型、制动系统模型及轮胎模型,为后续仿真打下坚实的基础。(2)提出一种新的基于前车类型和心理场的车间时距控制算法。现有车间时距控制算法主要考虑跟车的安全性,没有更好地兼顾驾乘人员的舒适性,同时忽略了前方车辆的差异性对车间时距的影响。为此,本文考虑前车的差异性引入心理场理论,提出一种综合考虑行车安全性、舒适性的车间时距控制新算法。使ACC车辆能够根据前车的类型对车间距离进行调整,提高了ACC车辆的安全性、舒适性。(3)设计基于卡尔曼滤波器和改进BP神经网络PID的车辆状态控制算法。现有ACC系统的车辆状态控制算法主要考虑控制器对车辆节气门开度以及制动压力的控制精度,忽略了系统误差对车辆的影响。为此,本文考虑ACC系统的抗干扰能力,设计出一种综合考虑抗干扰能力和控制精度的车辆状态控制新算法。使ACC车辆能够在系统出现量测噪声以及控制干扰量时依然具有较高的控制精度,保障ACC车辆的安全性、舒适性。(4)仿真验证所提算法的有效性与可靠性。为检验基于前车类型和心理场的车间时距控制算法以及基于卡尔曼滤波器和改进BP神经网络PID的车辆状态控制算法在ACC车辆中的控制效果,本文采用Carsim与Simulink联合仿真的方式,建立了ACC系统仿真平台。搭建定速、切入、跟随、急停、低速启-停和切出六种工况对本文设计的ACC系统进行仿真验证,并与采用其它控制算法设计的ACC车辆进行对比分析,验证本文所提控制算法的有效性与可靠性。结果表明,在搭建的仿真工况中,采用本文设计算法的ACC系统有效改善了传统ACC系统的不足,在保障车辆安全性的同时提高了驾驶员的舒适性,满足本文的设计需求。