分布式驱动智能汽车已经成为未来汽车发展的一个重要方向,对改善车辆在行驶过程中的安全性、舒适性、便捷性等方面都具有巨大潜力,有着广阔的应用前景。车辆在行驶过程中会受到来自传感器测量噪声、信号延时、控制器输入性干扰和系统未知输入等多源干扰的影响,各种干扰因素相互作用,导致车辆轨迹跟踪控制性能下降甚至失稳。而车辆系统动力学控制过程中的干扰抵消的过程,可以归结为一类典型的多源干扰系统抗干扰控制问题。针对这一现象,本文基于干扰观测器的控制方法进行分布式驱动智能汽车轨迹跟踪控制系统设计,以期消除多源干扰对车辆动力学控制性能的影响,为进一步提升车辆轨迹跟踪控制性能提供新的理论基础和技术支持。首先,根据分布式驱动智能汽车结构特点,建立了整车动力学模型、电驱动轮模型、轮胎模型、轨迹跟踪模型等;分析和总结了不同类型干扰作用过程,提出基于干扰观测器的控制方法设计车辆轨迹跟踪控制策略,为分布式驱动智能汽车传感器测量噪声、信号延时以及复合干扰作用下的轨迹跟踪控制研究奠定了基础。其次,根据分布式驱动结构信息冗余特点,结合虚拟纵向力传感器和自适应衰减卡尔曼滤波算法,提出了一种考虑噪声干扰的分布式驱动智能汽车行驶状态估计方法。通过在滑模观测器中设计切换增益矩阵的迭代算法,抑制了传感器噪声对纵向力估计精度的影响。同时,通过自适应调整时变衰减因子和噪声协方差,提高了车辆行驶状态估计精度和系统抗噪声干扰能力。第三,为抵消单一延时干扰对车辆轨迹跟踪控制性能的影响,设计了一种考虑延时干扰的分布式驱动智能汽车轨迹跟踪控制策略。通过结合“当前统计”模型和自适应卡尔曼滤波算法设计了延时干扰观测器,将车道目标点位置实时预测值作为车辆轨迹跟踪控制器的输入。根据轨迹跟踪控制目标,分别设计了前轮转角控制器和稳定性控制器,抵消了信号延时干扰对轨迹跟踪控制的影响,同时保证了轨迹跟踪过程中车辆行驶稳定性。第四,根据复合干扰工况下的轨迹跟踪控制目标,提出了一种基于干扰观测器的分布式驱动智能汽车轨迹跟踪与稳定性协调控制策略。通过对复合干扰输入的表征和控制问题描述,设计了结合滑模观测器和时延估计器的复合干扰观测器,并将估计结果作为整车协调控制的输入;同时基于滑模控制算法设计了兼顾轨迹跟踪精度和稳定性的整车协调控制器,并根据所需的横摆力矩控制量实现了轮胎力的优化分配,确保了在复合干扰作用下的分布式驱动智能汽车轨迹跟踪精度和行驶稳定性。最后,在搭建的硬件在环测试平台和实车实验平台中验证了所提出的分布式驱动智能汽车行驶状态估计方法、考虑延时干扰的轨迹跟踪控制策略和考虑复合干扰的车辆轨迹跟踪与稳定性协调控制策略。在实车实验平台中实现了车辆状态估计策略的有效使用,通过底盘测功机台架试验和实车道路试验验证了所提出的车辆行驶状态估计方法的有效性;通过软硬件结合的方式搭建了分布式驱动智能汽车轨迹跟踪控制硬件在环测试系统,分别验证了所提出的考虑延时干扰和复合干扰的车辆轨迹跟踪控制方法在实际控制器中的运行效果。研究表明,所提出的自适应衰减卡尔曼滤波估计方法的估计精度相比传统方法提高了12.15%,有效提高了纵/横向速度、横摆角速度、质心侧偏角等参数的观测精度,为在干扰工况下的车辆轨迹跟踪精度和稳定性保持提供了有利条件。与此同时,复合干扰发生后,所提出的分布式驱动智能汽车轨迹跟踪与稳定性协调控制方法依然能够实现对参考轨迹的有效跟踪,横向偏差、航向偏差的峰值误差分别为0.0217m、1.16deg,均方根误差分别为0.0298m、0.546deg,轨迹跟踪精度和稳定性都恢复到了原有水平,说明该方法能够有效抵消复合干扰对轨迹跟踪控制性能的影响,提高车辆运动控制系统的抗复合干扰能力。研究工作对提升分布式驱动智能汽车动力学控制水平、丰富现有车辆抗干扰控制的研究内容具有一定的意义。