为了适应不断加快的社会节奏,满足人类对安全、舒适等性能不断变高的要求,越来越多的先进技术,特别是电子技术,在汽车产品中的应用日益广泛,已经成为时代的潮流。随着驾驶员制动辅助系统的种类的不断增多,人——机控制模式的平滑转换也得到了重要的发展。线控制动系统(B-by-Wire)因其取消了传统系统的机械连接,利用传感器感知驾驶员驾驶意图,再由中央控制单元发送指令给相应的执行机构,以完成驾驶员的相关操作,得到了广泛关注,而此项工作完成的前提是对驾驶员的制动意图进行及时、准确的辨识。本文在分析和总结国内外驾驶员驾驶意图辨识与预测的现有研究成果的基础上,选择基于模糊神经网络方法建立驾驶员制动意图辨识模型。利用dSPACE系统与CarSim/Simulink联合仿真搭建乘用车驾驶模拟器,并进行典型制动工况的模拟试验获得试验数据,应用离线训练的方法获得驾驶员制动意图模糊辨识模型。在此基础上,利用搭建的驾驶模拟器对驾驶员制动意图辨识模型进行在线验证。首先,对常见的人工智能方法的优缺点进行了对比分析,利用模糊神经网络方法进行驾驶员制动意图辨识。由于T-S模型里存在着基于神经元的自适应模糊控制系统,匹配度很高,所以在典型的模糊神经网络模型中选择了T-S模型。其次,利用制动踏板与dSPACE连接搭建乘用车模拟器,通过dSPACE与CarSim/Simulink软件联合仿真,进行了持续制动、常规制动和紧急制动三种典型工况的模拟试验。通过对测得参数进行筛选,最终选择了制动踏板开度及其变化率、制动减速度三个特征参数作为驾驶员制动意图辨识模型的输入。最后,利用Matlab中的ANFIS编辑器建立制动意图辨识模型并进行训练,以最大相似性原则对数据进行归类,输出量化的制动意图。分别进行了离线和在线仿真实验验证,对比三种典型制动工况,离线或在线试验验证的结果,验证辨识方法的准确性以及辨识模型的有效性。