随着环境感知、自动控制、人工智能等高新技术的快速发展,智能汽车已经成为世界汽车工程领域的研究热点和汽车产业增长的新动力。在智能网联汽车发展路线图中,智能泊车技术是公认的智能汽车走向应用的最佳切入点,因此,智能泊车技术已成为当前全球汽车技术的研发热点之一。近年来,应用于国内外多款车型的智能泊车系统逐步暴露出来的技术问题和市场痛点,使研发人员对智能泊车关键技术的认识和理解更加清晰,对基于超声波传感器的弱传感智能泊车系统研发的紧迫性更加重视。本文针对基于超声波传感器的智能泊车系统在复杂的使用环境下遇到的瓶颈技术问题,研究弱传感条件下的智能泊车系统库位识别、低速工况下泊车系统智能化建模、车-库位-环境融合的泊车轨迹规划及跟踪控制、泊车性能综合评价等理论方法和关键技术。主要内容如下:第一,针对笛卡尔坐标系和简化泊车模型所带来的应用不便及定位偏差大的问题,引入Frenet标架动态记录寻库数据,以低速泊车运动学模型为基础,考虑车辆泊车运动过程中的动力学误差因素,运用机器学习方法建立基于数据驱动的泊车动力学模型,提高了模型的精度和对复杂环境的适应性。第二,针对弱传感条件下库位边界识别误差较大的问题,选取若干典型泊车场景,开展寻库实验,采集车速、方向盘转角、超声波传感器的测距值、回波宽度、回波高度等数据,构建用于障碍物边界识别模型深度学习的训练集和测试集。针对寻库数据的流输出特性,设计改进的流聚类算法,从连续数据中区分不同障碍物对应的数据集合。将具有高效率特点的监督学习和具有良好适应性特点的无监督学习相结合,提出基于标签和稀疏正则化约束下的半监督自编码障碍物边界识别和库位识别方法。通过测试集对所提出的库位识别算法进行验证,该算法具有良好的泛化性能,实现了对复杂障碍边界的精确定位和车位尺寸的精准识别。第三,针对常用的泊车轨迹规划方法存在以车辆为中心、车位及其周边障碍物仅作为碰撞约束、对泊车轨迹及其跟踪控制的影响考虑不足的问题,借鉴高能物理中的标准粒子模型理论,提出基于粒子相互作用的泊车运动轨迹规划方法。建立基于粒子相互作用原理的车-库-环境相互作用模型,对粒子模型输出力矩与车辆横向控制之间的传递函数进行优化。以车辆运行状态、与障碍物间距离及其与目标停车位置之间的差值等为输入,以下一时刻车辆目标位置和姿态角为输出,建立泊车轨迹规划模型。针对典型的泊车场景进行泊车轨迹规划仿真,结果表明:基于标准粒子模型的轨迹规划方法具有良好的复杂环境适应能力。第四,针对低速泊车过程中的扰动导致轨迹跟踪性能下降的问题,基于泊车智能动力学模型,以车辆实时位姿、运行状态参数、下一时段目标位姿为输入,以横向偏差的微分和横摆角速度偏差为输出,设计Frenet标架下的车辆实时位姿误差模型。引入非光滑控制方法,建立二阶非光滑控制模型,并与误差模型级联,设计Frenet标架下基于非光滑控制的泊车轨迹跟踪控制器,以方向盘转角和车速为输出量直接生成底层执行单元的控制指令,实现对扰动的有效抑制和高精度泊车轨迹跟踪。最后,针对泊车性能评价存在的场景繁杂、评价指标不一致的问题,综合分析国内外标准、企业技术要求和市场调研信息,提出由主观评价指标和客观评价指标组成的泊车性能评价指标体系（包含7项细分指标）。依据本文的相关研究结果搭建测试系统,开展实车测试。针对实车测试耗时较长、同类场景测试样本不足以及驾驶人和车辆起始位置等影响因素的差异性,导致有限的测试数据无法准确反映智能泊车系统综合性能的问题,提出以泊车条件与泊车性能指标的相关系数对智能泊车系统进行综合评价的方法。基于Bootstrap方法并结合实车实验数据进行重抽样和统计分析,开展了泊车系统性能评估,验证了所提出的综合评价方法的合理性。综上所述,本文基于大量典型场景下的实车实验数据,提出基于数据驱动的泊车系统智能化建模方法和基于深度学习的库位识别方法;针对复杂的泊车环境对泊车轨迹规划和跟踪控制带来的挑战,提出基于标准粒子模型的智能泊车轨迹规划方法和基于非光滑控制的轨迹跟踪抗扰动控制策略;针对泊车性能评价中影响因素的不确定性问题,提出主客观结合的评价指标体系和针对较少样本条件下的泊车性能综合评价方法,为研发基于超声波传感器的弱传感智能泊车系统提供理论指导和技术支持。