为了解决汽车普及带来的道路拥堵、交通事故以及环境污染等问题,汽车电动化、智能化成为了重要发展趋势。分布式驱动作为电动汽车主流驱动形式之一,具备优良性能,并且与汽车智能化系统有良好的兼容性。目前智能汽车运动控制的研究多集中于常规工况的控制器设计,而在极限、复杂工况下的控制性能仍有待提高。因此,本文对分布式驱动智能电动汽车在极限工况下的运动控制展开研究。首先设计了轨迹跟踪控制器,并利用四轮独立驱动的优势附加设计横摆稳定控制器,形成了集轨迹跟踪能力和稳定性于一体的车辆控制系统。通过极限工况下的离线仿真和实时验证,表明了控制器具有良好的可靠性和实时性。论文主要研究内容为:（1）根据分布式驱动电动汽车动力学特性,分别建立了七自由度整车动力学模型、车轮模型、轮胎模型以及电机模型。然后基于国标测试工况进行模型对比仿真,验证了模型具备良好的有效性和精确度。（2）针对智能汽车轨迹跟踪控制问题,分别设计了横向和纵向控制器。首先应用多约束线性时变模型预测控制策略于横向控制器,基于车辆模型和非线性轮胎模型提出了面向极限工况下控制的理论模型,基于此模型构建预测方程,进行约束优化问题设计和求解,然后应用粒子群算法优化选取MPC控制器参数。另外基于PI方法设计纵向控制器,计算需求纵向力。最终实现了极限工况下智能车辆良好的轨迹跟踪效果。（3）针对极限工况车辆失稳问题,设计了横摆稳定分层控制器,包括顶层横摆力矩控制和底层转矩优化分配。首先基于控制变量偏差设计滑模控制器计算需求横摆力矩,提出了变论域模糊控制方法改进控制器,削弱滑模系统抖振。然后根据车辆需求纵向力和附加横摆力矩设计了基于轮胎附着利用率最小的转矩优化分配控制器,求解各车轮纵向力并转换为电机转矩。有效地保证了车辆在极限工况下具备良好的驱动能力和横摆稳定性。（4）设计了双闭环分层控制器并对其进行性能验证。首先在不同附着条件的双移线工况下进行离线仿真,结果表明控制算法具备良好轨迹跟踪能力和稳定性。然后利用d SPACE快速控制原型和Car Sim虚拟车辆系统设计实时验证平台,进行极限工况性能验证。通过对比离线仿真与实时验证的效果,证明了控制算法具有良好的可靠性和实时性,从而验证了本文设计内容能够在极限工况下显著提升运动控制性能。