随着汽车技术的发展,基于摄像头、雷达等感知传感器的一系列高级驾驶辅助系统得到了广泛应用。然而,当前的驾驶辅助系统主要还是基于转角环进行控制,该方法会导致驾驶员失去对车辆的控制权,因此学术界提出了“人机共驾”的概念。但是人机协同驾驶车辆时,由于驾驶员的预瞄特性不同和误操作会造成人机失配与冲突问题。基于此,本文对适配驾驶员预瞄特性的共驾型汽车人机转向协同控制展开了研究。第一,设计了驾驶员预瞄特性预测模型。首先,本文采用驾驶模拟平台和眼动仪,采集驾驶员眼动数据建立数据集。然后,对卷积神经网络相关理论进行了介绍,并基于该理论设计了驾驶员预瞄特性预测模型,用于预测驾驶员预瞄距离,并结合车速计算出预瞄时间。最后,利用数据集,采用基于反向传播算法的梯度下降法对模型参数进行了训练,同时对该模型预测精度进行了验证。第二,建立了基于T-S模糊模型的人机转向协同控制系统。首先,结合转向系统模型和车-路动力学模型,建立了以转向力矩为输入的人机转向协同控制系统。然后,为提高系统对驾驶员预瞄特性的适配性,将预瞄时间作为变参数。为解决因驾驶员误操作等因素出现的人机冲突问题,引入惩罚因子作为变参数。考虑到实际中车速变化会影响系统性能,将车速作为变参数。最后,应用T-S模糊模型建立了能够解决上述变参数问题的人机转向协同控制系统。第三,设计了人机转向协同控制策略。首先,对T-S模糊模型,利用并行分布补偿方法,根据各变参数模糊集设计了系统的控制规则。然后,本文结合鲁棒控制和李氏稳定性理论对系统进行稳定性分析和求解。最后,进行了仿真验证,与LMI控制策略进行对比,结果表明T-S控制方法具有更加良好的路径跟踪的性能。最后,进行了基于硬件在环试验平台的自动驾驶和人机转向协同驾驶的试验验证。结果表明在变车速工况下,T-S控制方法有效提高了系统与驾驶员预瞄特性之间的适配性和车辆的路径跟踪精度。且惩罚因子通过惩罚规则加强或削弱辅助力矩的输入,减小了人机冲突。