随着汽车工业的不断发展，人们越来越重视汽车的主动安全性问题。当汽车在软、弱附着路面上起步或加速时，由于路面所能提供的附着力低，车轮很容易发生过度滑转，从而导致轮胎—路面间的纵向和侧向附着力进一步降低，致使汽车起步、加速能力和行驶稳定性大大降低。而汽车牵引力控制系统能使汽车在驱动过程中（特别在起步、加速、转弯等过程中）防止驱动轮发生滑转，提高汽车的动力性能、方向稳定性和转向操纵能力，因此得到了广泛的应用。 汽车牵引力控制系统是国际上八十年代中期开始发展起来的以限制汽车驱动轮过度滑转来产生最佳纵向牵引力的新型主动安全控制系统。它的控制原理是使汽车驱动轮的滑转率保持在其峰值附着系数对应的最佳滑转率附近，这样就不仅能充分发挥汽车的牵引力，又能保证车辆具有一定的侧向稳定潜能。本文基于这一原理，围绕汽车牵引力的主动制动控制与发动机输出力矩控制，探讨了基于最优控制、滑模控制和神经模糊控制等三种现代及智能控制理论的TCS 控制算法，使用 MATALB/SIMULINK 工具箱对这几种控制算法进行了仿真分析，并与不施加牵引力控制的情况进行了比较。 本文主要包括三部分： （1）分别建立了车辆系统的各主要部件的数学模型，包括发动机模型、传动系模型、轮胎模型、整车模型等。发动机模型分为稳态建模和动态建模，稳态建模采用试验建模，将试验数据(输出转矩与转速特性曲线)用三次多项式拟合。为简化分析，发动机动态建模简化为带滞后的一阶惯性系统；在传动系模型中，把离合器、变速箱、分动器、传动轴和半轴简化为只起传递扭矩作用的构件；轮胎模型采用 GIM 理论模型；整车模型采用七自由度模型，它是用来反映各控制子系统对整车动特性的影响及观测车辆的行驶状态的，它包括纵向位移、侧向位移、横摆角位移等三个方向上的整车运动及四个车轮绕其轴线的回转运动。同时根据所建立的数学模型相应的在 SIMULIMK 中建立了仿真模型，为调试牵引力控制算法提供了离线仿真平台。 （2）分别使用滑模控制理论、最优控制理论以及神经模糊控制理论，建 71<WP=76>吉林大学硕士学位论文立了汽车牵引力控制系统的控制算法。在滑模变结构控制中，以驱动轮纵向滑转率作为主要控制对象，设定标定滑转率，用实际滑转率与标定滑转率的差及滑转率差的变化量建立切换函数，分别建立了在等速趋近和指数趋近两种控制律下的牵引力控制算法。在最优控制中，建立以驱动轮纵向滑转率为输出状态变量的状态方程，设计了一个无限时间输出最优调节器，使用 LQR 方法求出最优反馈矩阵，得到最优控制律。在神经模糊控制中，建立基于神经网络的模糊系统。把实际滑转率与标定滑转率的差及滑转率差的变化量作为输入量，控制量的变化作为输出量，建立前向型神经网络构造模糊推理系统。并根据牵引力控制的实际控制经验，制定出若干模糊控制规则，把这些规则作为样本对前向神经网络进行学习和训练，得到神经网络控制器。 （3）根据所建立的控制算法，进行了参数选择，并在 MATLAB/SIMULINK环境下，分别在单一路面使用发动机转矩调节控制和在分离路面使用制动控制对所建立的三种控制算法进行仿真分析。 仿真结果表明汽车牵引力控制能够改善车辆的牵引性、操纵性和稳定性，也验证了本文建立的基于滑模变结构控制、最优控制和神经模糊控制三种控制理论的汽车牵引力控制算法正确。本文对新型控制理论在牵引力控制系统中的应用进行了探讨，为更加深入地研究汽车牵引力的综合控制奠定了一定基础。