随着汽车底盘辅助驾驶功能的持续发展,底盘电子各系统的统筹协调和对底盘执行器的精准控制越发受到重视,因此为了推动汽车底盘电控系统的集成设计,本文应用了一种基于智能汽车的汽车底盘动力学域控制器架构,并且分析了其信息交换流。区别于分布式汽车底盘动力学与电气架构,该域控制器能够统一地进行传感器信号采集、后处理、滤波、融合,得到完整的车辆状态参数估计以及驾驶员意图预测,基于该框架能够为车辆底盘各系统的协调控制,共同决策提供了可能性,避免了各系统进行控制时出现决策冲突、互相干扰的情况。本文基于该汽车底盘动力学域控制器,提出了转向稳定性引导功能,该功能在驾驶员转向过度转向操作时通过给予一定的转向引导力矩使得驾驶员放缓转向操作,降低电子稳定控制系统（Electrical Stability Control,ESC）的作动概率,提升车辆轮胎对附着力的利用率,旨在避免转向过程中整车横向失稳,同时减少由于横向稳定行不足触发ESC频繁作动而产生的噪声和震动。为了实现该功能,首先需要确定驾驶员的具体转向需求,本文按照转向稳定性引导功能的需求将转向意图分为转向（左转、右转）、换道及紧急避障四类。驾驶员意图识别模块开发过程主要由实车数据采集、模型训练、结果验证及部分组成。首先根据需求设计实车试验,搭建实车数据采集软硬件平台,进行各种需求工况的实验数据采集。基于Matlab建立隐马尔科夫（Hidden Markov Model,HMM）和高斯混合模型（Gaussian Mixed Model,GMM）结合的HMM-GMM模型对驾驶员模型进行搭建,并通过粒子群算法（Particle Swarm Optimization,PSO）对HMM-GMM模型中的高斯混合模型个数最优解追踪,通过实车实验平台采集驾驶员的转向相关操作行为以及车辆的状态数据,对驾驶员意图识别模型进行离线训练,通过不同特征量的选择获取多个驾驶员意图识别模型并且进行比较。结果表明通过驾驶员对方向盘的操作以及车辆的状态参数能够准确地对驾驶员转向意图进行判断,对于参与数据采集的驾驶员的驾驶意图识别准确率高达,对于未参与数据采集的驾驶员的驾驶意图识别准确率高达87.57%,认为能够为转向稳定性控制功能提供准确的驾驶员意图输入。