随着科学技术的不断发展,生活水平的不断提高,人们对车辆的安全性、稳定性、经济性等性能的要求也越来越高。智能驾驶车辆将智能技术运用于电动车辆,可通过传感器等电子设备感知周围环境,并通过智能控制策略对车辆进行运动控制,将驾驶员从复杂繁重的驾驶行为中解放出来,在增强车辆行驶过程中的安全稳定性与提升经济性能方面具有显著优势,因此成为未来汽车发展的重要方向。车辆在高速行驶过程中一旦失稳,将造成十分严重的人员伤亡与财产损失。因此在高速行驶的工况下,如何控制智能汽车跟踪期望路径以及如何进行多目标运动控制,使车辆在行驶过程中保持安全稳定的同时能够兼顾经济性能,成为目前国内外诸多学者的研究方向,也是本文主要的研究内容。在动力学建模方面,建立十四自由度车辆动力学模型,采用模块化的思想,分别建立车身模型、轮胎模型、悬架模型以及电机模型。为进一步得到电机转速、转矩与电机效率的函数关系,采用响应面分析法得到描述电机效率的回归方程。最后基于实车试验验证车辆模型的有效性。在跟踪期望路径方面,设计基于卡尔曼滤波（Kalman Filter,KF）的模型预测控制（Model Predictive Control,MPC）策略。首先,建立了考虑车辆横向、纵向以及横摆运动的三自由度车辆动力学模型作为预测模型,并对预测模型进行线性化与离散化处理;然后设计卡尔曼滤波器,对车辆状态信息进行降噪处理;进一步地,设计模型预测控制器,通过设定目标函数与约束条件,将路径跟踪问题转化为带约束的二次规划问题,采用积极集算法求解方向盘转角实现车辆的横向控制,并在控制过程中不断地进行滚动优化。最后,将十四自由度车辆模型作为控制对象设计仿真实验,利用罗技G29驾驶模拟平台采集真实驾驶员驾驶数据,将熟练驾驶员操纵下的车辆状态与本文提出的KF-MPC路径跟踪控制策略下的车辆状态进行对比,验证本文提出的控制策略的有效性。在多目标优化控制方面,设计一种分层控制策略。上层控制策略采用滑模控制保证车辆的安全稳定性。为对期望车速、期望横摆角速度以及期望质心侧偏角进行跟踪,设置滑模函数为纵向车速的跟踪误差、横摆角速度的跟踪误差以及质心侧偏角的跟踪误差;通过计算得到影响车辆稳定性的期望整车纵向合力、侧向合力以及横摆力矩,计算过程中使用饱和函数替代符号函数减弱抖振。下层转矩分配控制策略采用最优控制法,在兼顾电机经济性能的同时,对上层控制策略得到的期望车辆状态量进行跟踪,最后,基于期望状态量的误差和系统效率建立目标函数,并在约束条件下求解目标函数的极值,得到各轮最优转矩,输入车辆模型中,实现完整的控制过程。为验证多目标优化控制策略的有效性,建立基于规则的制动转矩分配方法作为对比,分别在高附着路面工况与低附着路面工况下进行双移线工况仿真实验。在实时仿真实验方面,基于车辆与控制策略模型搭建d SPACE实时仿真平台,生成控制策略代码并将其应用于实时控制中。将熟练驾驶员驾驶下的车辆状态量与本文提出的控制策略下的车辆状态量进行对比。结果表明,本文所提出的多目标优化控制策略可根据行驶情况控制车辆,在保持车辆安全稳定行驶的前提下提高系统效率,完成对期望路径的跟踪,满足多目标优化的需求。