汽车保有量的快速增长给人们的生活带来了巨大的便利,极大地提高了社会运转效率。但随之而来的是道路安全事故的增加,严重的交通堵塞以及能源与环境问题的恶化。作为解决这些问题的潜在手段,智能汽车受到了各界的广泛关注,被视为将在未来改变世界的革命性技术。近年来,得益于传感技术、计算机技术、通信技术、芯片技术的快速发展,自动驾驶的可行性已日益完备。但是,若要实现真正的产业化,仍有许多亟待解决的技术难题。本文就智能汽车的运动控制在实际应用过程中需要解决的重点、难点问题展开研究。针对智能汽车模型的不确定性,纵横向之间的耦合制约等问题提出了系统性的解决方案,并提出决策-规划-控制一体化集成方案以解决运动控制与决策规划之间的协同问题。为智能汽车在各种行驶工况以及复杂动态的交通环境中安全、稳定、高效行驶奠定理论和技术基础。论文的主要研究内容如下:1)构建了整车高自由度非线性动力学模型,包括车身运动模型,车轮运动模型,以及非线性轮胎模型。基于所建立的模型对汽车纵横向运动之间的耦合制约机理进行了系统分析。在此基础上,建立了面向控制器设计的简化车辆动力学模型,通过与Carsim动力学模型在不同工况下的对比,对简化模型的可行性进行了验证,并且分析了模型不确定性问题造成的影响。2)针对智能汽车纵、横向运动各自的特点及面临的问题,设计解耦控制算法。在横向的路径跟踪控制中,将低附着路面等非常规工况下的模型不确定性问题等效为轮胎刚度的摄动问题,基于线性矩阵不等式设计鲁棒H∞控制器,并对闭环系统的极点进行配置以保证控制器的瞬态性能。针对纵向控制中风阻等外部扰动明显的问题,基于高阶滑模理论设计超螺旋滑模控制器,在不削弱抗扰动能力的前提下,抑制了传统滑模控制方法在滑模面附近的剧烈抖振。3)针对极限工况下智能汽车路径跟踪与动力学稳定性之间的冲突问题,结合分布式驱动技术,提出了基于分层架构的主动横摆力矩控制器。上层由模型预测控制基于运动学关系计算出路径跟踪的期望横摆角速度,下层在主动横摆力矩的计算中,提出基于双曲正切趋近率的滑模控制器,基于质心侧偏角相图设计可变滑模面以权衡极限工况下的路径跟踪和动力学稳定性,并引入逻辑变量对主动横摆力矩的介入进行判定,避免了常规工况下的介入引起的不必要耗能。在轮胎力分配层面,以最小轮胎利用率为原则设计优化函数以实现轮胎力的优化分配,提出基于工况的可变广义力约束,实现纵横向运动之间的协调,以保证智能汽车在极限工况下的安全性及动力学稳定性。4)针对鲁棒控制的保守性问题,对处理模型不确定性问题的新算法进行了探索,提出了基于多模型自适应律的智能汽车路径跟踪控制算法,并通过李雅普诺夫理论证明了所推导自适应律的收敛能力。在此基础上,构建可覆盖汽车轮胎侧偏刚度摄动范围的凸多面体,设计了多模型自适应路径跟踪反馈控制器,在保证鲁棒性的同时克服了传统鲁棒控制方法的保守性问题,并通过对比研究分析和搭建快速原型测试平台,对算法的有效性、优越性和工程应用能力进行了验证。5)以四轮驱动智能电动汽车为研究对象,针对经典的分层架构在极限工况下上层控制器与底层执行器之间易产生冲突的问题,基于模型预测控制提出了整体式的控制架构。在建立整体式MPC预测模型的过程中,通过等效替换的方式,避免了复杂的非线性模型,保证了控制算法的计算效率。在MPC优化函数的设计中,引入了基于工况变化的自适应权值,实现了极限工况下纵横向运动之间的协调,同时避免了过大的滑移率。并且,通过与所提出的多模型自适应律联合,保障了模型预测控制的鲁棒性。6)针对复杂、动态交通环境下运动控制与决策规划的协调问题,不同于发展自机器人领域的智能汽车传统技术框架,从人类驾驶员的角度出发,基于所设计的自适应模型预测控制算法,提出决策-规划-控制一体化方案。在纵向上,提出了基于场景自适应的模型预测控制,实现了驾驶决策与纵向控制的一体化集成。在横向上,根据跟踪偏差在优化方程中设计自适应权值,使得智能汽车在对全局路径精确跟踪的同时也能舒适、平滑、有效地执行局部决策规划的指令。