传统的ACC系统一般要求车速在25～40km/h以上才能使用,不能减速到停止状态,也不能针对静止的物体进行调节,并且存在安全车距往往较大,不符合驾驶员驾驶习惯的缺点,这些都限制了 ACC系统的应用范围。本文通过采用毫米波雷达加激光测距传感器相结合的方法,实现了对低速或静止目标的识别,在传统ACC功能的基础上增加了低速跟踪和堵车跟随功能,实现了能减速到停止状态,也能针对静止的物体进行调节,扩大了 ACC系统的应用范围。本文的主要研究内容如下:1.设计了 ACC系统的控制逻辑、实时测试上位机系统和用户交互界面;求取了车辆的自由加速度,减小了道路坡度对传感器所测加速度数据的影响;采用了 Kalman滤波对车距、车速和加速度进行滤波处理;结合门限值法和Kalman滤波法设计了目标实时检测追踪算法,较好地实现了毫米波数据和激光数据的融合,解决了毫米波传感器低速时出错率高、激光距离直接求导求相对速度波动太大的问题,使得所获得的数据基本接近真实值,为后续的车辆平稳控制奠定了基础。2.采集并统计了分析熟练驾驶员驾驶数据,根据熟练驾驶员驾驶车辆时加速度的分布设计了平稳、安全和激进三种控制模式,三种控制模式下又对应定速巡航、低速跟车和堵车跟车三种工况以便使本文的ACC系统更加符合真实驾驶员的驾驶行为。采用固定车头时距建立了定速巡航的安全车距模型,用分段二次拟合方法建立了低速跟随工况下的安全车距函数,用BP拟合方法建立了接近前方静止目标时的安全车距模型。3.根据当前的车距、本车速度、前车速度和控制模式,计算了实时的期望速度和期望加速度,并由期望加速度计算出当前的期望驱动力或制动力。通过采集不同挡位下不同油门对应的加速度,建立不同挡位下油门与驱动力函数曲线;通过采集不同刹车踏板行程对应的加速度,建立刹车踏板行程与制动力的函数曲线。从而可根据期望驱动力或期望制动力计算当前电子油门的理想开度或制动踏板的理想行程。考虑到计算的油门开度或制动行程会有误差,在执行机构处添加模糊控制,形成对油门和制动电机的闭环控制,从而实现对ACC车辆的纵向加减速控制。4.进行了信号处理对比实验和ACC实车实验。信号处理实验包括Kalman滤波前后的对比,本文基于门限值法和Kalman滤波法所设计的目标追踪算法处理后的信号与原始信号、Kalman滤波后信号的对比,验证了目标追踪算法的优越性。实车实验包括定速巡航、低速跟车和堵车跟随实验,实验结果表明,车间距、加速度误差均在驾驶员期望的误差范围内,尤其是低速堵车跟随时车距基本控制在13米以内,前车刹停时车距基本控制在3.5米左右,在保证安全的前提下比较接近真实驾驶员的驾驶习惯。