随着科学技术的不断发展,汽车在给人们带来便捷的同时也带来了越来越多的交通事故。先进辅助驾驶系统能够提高车辆行驶的安全性、舒适性,减少交通事故的发生。近40年来,先进辅助驾驶系统已成为国内外主要汽车制造商和学者的研究热点。车辆紧急避让方式主要分制动和转向两种方式,对于低速行驶的车辆,采用制动方式便可以很好的避开障碍物,而对于高速行驶的车辆,只依靠制动方式进行障碍物的避让是不合适的。本课题的主要研究方向为:在车辆以不同速度高速行驶时,受到外界侧向风干扰的情况下,如何控制车辆前轮主动转向,以实现高速自动紧急避让过程中路径的精确稳定跟踪。本文通过研究模型预测控制理论的原理,了解模型预测控制不仅具有能在控制过程中增加多种约束的优点,而且还能在线进行滚动优化。对于高速行驶的车辆,为安全稳定的避让障碍物,就必须设置多种约束条件。所以基于车辆二自由度动力学模型、车辆运动学模型以及“魔术公式”轮胎模型,设计了包含预测模型、约束条件以及优化目标函数三大部分的模型预测控制器。在避让路径规划方面,考虑常见路径规划方法存在曲率不连续以及路径侧向加速度过大等不足,利用Sigmoid函数曲率连续且能满足车辆侧向加速度约束的特性,进行路径再规划。考虑外界干扰不确定等因素,参数固定的自抗扰控制器存在控制精度较差、效果不尽人意的问题,针对这一问题提出了一种基于神经网络的自抗扰控制方法,设计了二阶自抗扰控制器,并利用神经网络在线整定三阶扩张状态观测器参数。利用Carsim/Simulink进行联合仿真,验证模型预测控制器、常规自抗扰控制器以及神经网络自抗扰控制器在不同车辆纵向速度下,受到不同侧向风风速干扰时的控制效果,并对比分析不同控制器的路径跟踪效果。结果表明,与自抗扰控制器和模型预测控制器相比,基于神经网络的自抗扰控制器综合性能最好。神经网络自抗扰控制器可以不依赖系统精确的模型,能够观测出系统参数的变化并且补偿掉,在路径跟踪方面具有其独特的优势,对于外界不同风速的侧向风干扰,具有很强的鲁棒性和抗干扰能力。