自适应巡航控制系统(ACC)是一种汽车智能电控操作系统,并且在现代汽车工业中越来越普及。在现代科技不断更新的情况下,人们对汽车安全的要求也越来越高,因此对于电控自动驾驶的汽车在道路上巡航行驶时的安全操作性能要求是科研人员的研究重点。在道路行驶中,汽车根据前方道路环境因素进行制动的制动性能是是否导致安全事故及安全事故程度的重要因素,在配置了自适应巡航系统的汽车自动跟车驾驶的过程中,为了避免碰撞的发生,需要对主动制动进行有效控制,保证汽车及驾驶乘坐人员的安全性。在已有自适应巡航系统的控制中,仅采用传统PID控制器的控制性能已无法满足现代复杂汽车工业的电控性能要求。由于神经网络具有类似人脑的多元传递信号与较强的学习能力,因此,本文将网络神经元引入PID控制的各层内,在三层BP结构的基础上多添加一层承接层优化处理隐含层,研究出一种运算过程更方便、结果更精确的算法,即改进后的四层神经网络PID控制算法,可以调控控制器的输出结果,使控制器的控制更加灵活高效。并运用于主动制动控制与制动机械系统中,通过将行驶工况转换为制动距离等信息,运用安全间距策略来计算防止碰撞的动力学信息。本文还将主动制动的巡航模式分成三种:定速跟车、减速跟车、紧急制动,分别研究其临界碰撞模型,将实际运行工况变化与防止碰撞所需运行工况变化进行对比,从而分析出各种情况下的所需制动压力等信息,同时将汽车行驶动力学模型计算出的所需制动压力等信息通过改进的神经网络PID控制器进行调控。最后,本文运用CarSim汽车专业仿真软件,调用其已有的雷达传感器模型,并根据实际路面信息进行模拟环境的设置,模拟出汽车跟车运行时的运行工况信息,经过Simulink的计算输出相应的结果并进行主动制动模拟控制。分析结果可以看出,采用改进的四层神经网络PID控制器可以进行有效控制,并且相比传统BP神经网络PID控制器控制更加精确、高效。