随着国民经济的发展和人民生活水平的提高,汽车成为了人们日常生活出行必不可少的交通工具,汽车在方便了人们出行的同时,所产生的交通事故,对人民的财产和生命造成了巨大的危害,汽车主动安全控制领域的研究成为了热点。人工智能和计算机自动化控制技术的发展,推动了智能控制在汽车领域的应用。主动避撞控制系统作为先进安全技术之一,能够提高汽车的主动安全性,降低交通事故的发生率。本文开展基于深度学习的智能汽车主动避撞控制系统的研究,具有重要的理论意义与应用前景。本文以智能汽车主动避撞系统作为研究对象,对车辆系统动力学模型进行分析与研究,基于深度学习算法——神经网络算法进行行车安全估计与避撞策略研究,搭建安全距离仿真模型并研究主动避撞控制系统,随后采用仿真实验与模型实验对本文研究的主动避撞系统进行测试验证。论文的主要研究内容有:首先,本文根据汽车安全控制理论,借鉴国内外主动避撞控制方法,在对汽车的整体结构和动力学模型进行分析的基础上,研究了汽车主动避撞控制系统的总体方案,并且对方案中的关键技术做了重点分析。其次,运用人工智能深度学习算法——卷积神经网络算法,研究智能汽车的避撞控制系统控制算法,将深度学习算法应用于汽车行驶过程中对周围环境的感知上,进行行车安全估计与避撞控制策略研究。根据检测传感器检测到的信息控制汽车的操作与决策,避免与其他行驶车辆发生碰撞事故。最后,结合安全驾驶与系统动力学模型,研究了安全时距模型,为了保证行车的安全性,将安全距离作为汽车危险判定的指标之一。为了验证加入的深度学习算法和安全距离模型的有效性,基于Carsim与Matlab/Simulink联合仿真平台对其进行仿真验证。根据仿真实验的结果,证明了研究的主动避撞安全距离模型、避撞策略和算法的有效性。为了进一步验证算法和控制策略的运行有效性,还进行了模型实验。不同工况下的模型实验结果表明,本文研究的主动避撞控制系统具有优良性能,能够在行驶过程中达到有效避撞的效果。