在汽车工业信息化和智能化的背景下,车辆的自动驾驶技术逐渐成为了人们的研究热点。本课题立足于L4级别的自动驾驶技术,针对自动驾驶汽车在结构化高速公路上的跟驰换道这两种典型的驾驶行为,围绕车辆纵向运动控制、横向运动控制、驾驶行为决策以及换道轨迹规划等问题开展研究。本文的主要研究工作和创新性成果如下:（1）针对车辆纵向动力学模型以及执行器模型不确定性问题,提出了基于μ综合的自适应巡航控制策略。自适应巡航控制涉及制动系统和驱动系统,这些执行系统均包含很强的模型不确定性且容易受到外界干扰的影响,这些特性会显著的影响车辆控制系统的动态性能进而影响控制系统的稳定性。本文提出了一种鲁棒自适应巡航控制策略:首先建立三状态车辆跟车模型,之后通过描述符号方法（Descriptor Form Representation）将模型中的不确定参数进行解耦分离,从而降低控制器设计的保守性,最终基于μ综合控制理论实现鲁棒自适应巡航控制策略设计。所提出的控制策略可以有效地改善自动驾驶车辆跟车过程中的稳定性和安全性,为提高自适应巡航系统的鲁棒性提供了新的解决方案。（2）考虑差动制动特性对车辆横向稳定性控制的影响,提出了基于差动制动无缝介入机制的自动驾驶车辆横向多执行器协同控制策略。对于传统汽车,车辆横向循迹稳定性控制中的直接横摆力矩通常由差动制动产生,然而频繁的制动会干扰车辆的纵向动力学特性以及显著的影响车速等。本文提出了一种基于差动制动无缝介入机制的横向转向制动多执行器协同控制策略,即:在常规行驶条件下,仅由转向控制系统实现车辆的横向稳定性控制,而当车辆行驶条件恶化,转向稳定性控制系统逐渐达到操作极限,差动制动稳定性控制系统则逐渐开始介入以保证车辆在恶劣行驶条件下的稳定性与安全性。控制策略采用分层设计:上层结合车辆运动学模型以及反步法理论设计期望横摆角速度生成策略;下层考虑车速的时变特性,结合车辆动力学模型以及LPV鲁棒控制理论设计转向制动增益调度协同控制策略,实现期望轨迹跟踪的目的。所提出的控制策略可以在保证循迹精度和横向稳定性的同时减少了差动制动对纵向动力学的影响,为车辆横向动力学控制中的转向制动协同控制提出了一种新的解决方案。（3）针对差动制动在横向稳定性控制中电子液压制动（EHB）系统突发故障或失效问题,构建了EHB系统广义故障模型,提出了基于LPV/H∞控制理论的容错控制策略。EHB系统包含四个独立制动轮缸,是一个典型的过驱动系统。本文首先对制动系统在横向稳定性控制过程中可能发生的故障包括:无故障,附加故障、失效故障以及卡死故障这四种典型的故障类型建立广义的故障模型;然后将故障模型中的故障因子作为调度参数,结合鲁棒控制理论设计控制器,实现对EHB系统在横向稳定性控制中的容错控制策略设计。所提出的容错控制策略可以有效地处理前文所提到的四种典型的故障类型,即在自动驾驶车辆横向稳定控制系统中当汽车一个或多个制动单元突然发生故障或失效时,所提出的控制策略可以结合转向系统以及协调各个车轮的制动能力保证车辆行驶过程的稳定性,实现对EHB系统的容错控制。（4）考虑自动驾驶车辆跟驰换道决策规划策略的动态环境自适应问题,提出了基于分类回归决策树（CART）和生成对抗网络（GAN）理论的拟人化驾驶行为决策和换道轨迹规划方法。跟驰换道行为是车辆最常见的交通行为,跟驰行为深受前向交通流的影响,换道行为则涉及更多的车道和车辆,且在混行交通流中,受周围车辆的影响,自动驾驶车辆的动态性极为显著。相对而言,人类驾驶员则可以轻松应对各种动态复杂的驾驶环境。本文通过研究筛选直接影响驾驶行为决策结果的信息特征,提出基于CART决策树的驾驶行为决策建模方法,通过对各个特征信息的基尼指数进行分析,获得其对驾驶行为决策重要程度的相关排序,构建出分类规则清晰、结构相对紧凑的驾驶行为决策树模型。之后基于数据集中的示范专家换道轨迹,提出基于GAN方法的换道轨迹规划策略,通过对抗博弈训练,构建出能够产生贴近专家示范换道轨迹模型。通过将驾驶行为决策与换道轨迹规划相结合,不仅可以获得较为合理的换道时机,而且可以获得符合人类驾驶特性的换道行驶轨迹,提高了自动驾驶车辆适应动态交通环境的能力。（5）基于所提出的运动控制策略与决策规划方法,构建了车辆跟驰换道自动驾驶系统。通过真实交通流信息以及硬件在环实验平台,验证了所提决策规划策略与控制算法的有效性。结果表明,对于不同条件下的换道行为,基于本文设计的换道轨迹规划模型以及横向轨迹跟踪策略,自动驾驶车辆可以实现稳定的换道,并可以保证较高的换道轨迹跟踪精度。而对于不同条件下的跟车行为,基于本文所设计的纵向跟车控制策略,自动驾驶车辆可以实现快速稳定的跟车。综上,本文立足于自动驾驶技术的应用需求,围绕自动驾驶汽车跟驰换道运动控制与决策规划问题开展研究,提出了自动驾驶车辆横、纵向运动控制策略及驾驶行为决策和换道轨迹规划解决方案,构建了一整套的车辆跟驰换道自动驾驶系统,实现了自动驾驶车辆跟驰换道下的多执行器协同工作,提高了车辆行驶过程中的稳定性和安全性。