随着汽车工业的高速发展,LKAS作为汽车主动安全技术的一种越来越受到人们的关注。本文研究了基于遗传算法优化BP神经网络的车道保持辅助系统,并对车道偏离预警等相关算法进行了研究,设计了基于遗传算法优化的BP神经网络车道保持预测控制器,同时完成了包含车道偏离预警在内的仿真试验研究。论文首先采用了基于两点的驾驶员方向控制模型,通过近视点来估算车辆质心与车道中心线的横向偏移,远视点用来估算道路的曲率,并建立了车辆与道路相对位置模型。同时本文选用EPS作为车道保持主动控制的执行机构,搭建了EPS的仿真模型。考虑到频繁报警可能会引起驾驶员的不适,建立了驾驶员操作状态判断模型,保证驾驶员操作为最高优先级。对于车道偏离预警决策,在TLC算法的基础上,通过研究不同驾驶员的驾驶习惯,将驾驶员类型进行分类。根据驾驶员类型设计报警阈值,基于车辆偏离车速设计最早预警边界线,最终设计了基于不同驾驶员类型的动态预警边界决策算法。为实现车辆在主动控制模式与协调控制模式的自由切换,研究了基于EPS的协调控制策略及主动控制策略。最后设计了基于遗传算法优化BP神经网络的车道保持预测控制器,并比较了附加动量、自适应学习率、动量与自适应学习率结合的改进算法及遗传算法分别对于网络性能优化的影响,并基于Carsim及Matlab/Simulink分别对车道偏离预警及车道保持进行联合仿真试验,仿真工况包含直线道路,小曲率半径道路,大曲率半径道路。仿真试验结果表明,当车辆偏离车道时,本文所设计的车道偏离预警算法在直线道路及弯道都能发出报警。同时在驾驶员无操作意识下,所设计车道保持预测控制器在车辆偏离时能控制车辆回到车道中心线附近行驶。