车辆的智能网联化是当今汽车领域重要的发展趋势,而能够减少交通事故发生的主动安全系统如AEB受到了广泛的关注。AEB可根据视觉传感器如毫米波雷达获取目标检测物的信息,然后根据算法模块进行决策执行,从而避免碰撞的发生。而其中的控制策略是AEB算法的重要模块,而其中对安全距离的判断需要对车辆能达到的最大减速度进行估计。而这就需要对路面附着系数等道路信息进行估计。另一方面,实际的AEB控制系统必须要符合驾驶员的驾驶体验,因此需要对驾驶员的驾驶习惯进行研究。针对基于路面附着系数估计的AEB控制系统问题,在对国内外相关文献进行调研后,综合考虑各种需求后,首先对视觉传感器进行了研究选取,并对实际表现进行了检测;然后通过对纵向动力学进行建模,设计定向遗忘的递归最小二乘法对车重,坡道进行估计,然后为了获得更准确的加速度信息,使用了基于lasso的最小二乘法辨识出更加鲁棒的纵向动力学模型,并通过该模型计算出加速度,结合使用卡尔曼滤波对车速进行估计。其中使用了基于数理统计的横向场景分割使得在线估计算法更加准确。之后通过研究轮胎模型结合纵向动力学对路面附着系数进行估计,最后通过将安全距离模型和碰撞时间相结合设计了多级预警防碰撞系统。本文主要内容可以总结为以下几个方面:1)对感知传感器进行选择。对当前主流使用的感知传感器如激光雷达,毫米波雷达,超声波雷达,摄像头进行了研究分析比较。通过分析后选择了毫米波雷达作为传感器来使用,之后又对市场中各厂家的毫米波雷达进行了比较,比较后选择了德尔福的77Ghz毫米波雷达。最后通过实际检测发现其可以满足设计需要。2)对纵向动力学模型进行辨识估计。首先在理论公式上对加速和减速的动力学模型进行建模,然后采用定向遗忘的递归最小二乘法对车重和坡道进行了估计。然后对纵向动力学模型进行分析,使用基于lasso的最小二乘法对相关因子进行了辨识,使得辨识出的纵向动力学更加鲁棒。针对横纵向耦合的问题,对横向影响较大的场景进行了基于数据的场景区分策略,使得纵向模型估计更加准确。3)对路面附着系数估计。通过基于纵向模型估计出的加速度,结合使用卡尔曼滤波来估计车速,然后结合轮速计获得的轮速对滑移率进行计算。通过分析轮胎模型,发现轮胎模型在小滑移率区间对不同路面的影响没有体现出来,因此对轮胎接触区的现象进行了研究,发现因为忽略了滚动阻力和自由滚动压力的问题导致轮胎模型在小滑移率不能表现实际的轮胎表现现象。结合改进的轮胎模型,通过使用力-滑移率曲线和递归最小二乘法对路面附着系数进行了估计,通过使用carsim软件,在不同道路下进行了路面附着系数进行了估计,仿真实验表明,该算法可以很好地估计出路面附着系数。4)考虑驾驶员特性的防碰撞系统设计。通过基于纵向动力学模型估计出的路面附着系数和坡道对最大减速度进行了建模。并对不同的安全距离公式进行了研究比较,然后通过对驾驶员的特性进行研究,发现驾驶员对相比单级预警,更接受多级预警的方案。另外通过数据分析对驾驶员的反应时间进行了建模,最终通过考虑碰撞时间的信息,将安全距离和碰撞时间两者相结合设计了多级预警的防碰撞系统。试验结果表明,该系统既考虑了道路的影响如路面附着系数和坡道,又考虑了驾驶员的特性,这样的控制策略能够使得防碰撞系统更加的安全和舒适。