随着汽车在世界的保有量不断增加,交通事故频发、道路拥挤和环境能源危机等一系列问题开始暴露在人们视线中,尤其是交通事故发生率一直居高不下。因为传感器技术和智能控制的快速发展,智能汽车被人们给予厚望。智能汽车可以减少或消除驾驶员失误行为,解决交通安全问题。其中,路径规划是智能汽车的核心技术,也是解决安全问题的前提条件。本文对传统人工势场规划算法进行研究,分析了传统人工势场法的原理,建立了引力势场模型和斥力势场模型。将智能汽车作为被控对象,进行人工势场受力分析,分析了传统人工势场存在的自身缺陷,目标不可达问题和局部极小值问题。通过在斥力势场函数中引入智能汽车和目标点的相对位置,解决了目标不可达问题,当汽车向目标点行驶,引力和斥力同时减小到零。考虑智能汽车的动态行驶环境,在人工势场中加入智能汽车和障碍物的相对速度和相对加速度影响因素,建立相对速度和相对加速度斥力势场,并更新智能汽车受到障碍物斥力影响的条件,使更符合实际驾驶情况。针对有道路边界限制的行驶环境,加入道路边界斥力势场,使其规划的路径保持在道路中,提高避障路径安全性。基于汽车的阿克曼转向原理,将人工势场法规划路径加以约束,使其更符合智能汽车跟踪路径的行驶要求。建立了汽车横向动力学模型,针对前轮转向汽车在跟踪路径时横向位置误差和航向角误差相互耦合的关系,设计基于线性二次型最优控制的前馈加反馈控制器,控制智能汽车跟踪期望路径。由于LQR中状态权重参数确定多根据经验法则,利用具有全局寻优能力的遗传算法,将LQR性能指标作为遗传算法的适应度函数,对矩阵参数进行优化,降低控制系统的超调量,加快控制系统的收敛速度。为验证改进人工势场法路径规划和基于LQR路径跟踪控制器的有效性,进行了仿真和实车验证。仿真和实验结果表明,改进人工势场法路径规划系统和基于LQR最优的路径跟踪控制器能够提高智能汽车自主避障的效果。