提升乘用车辆AEBS配置率,对于提高道路交通安全水平、保护驾乘人员的生命财产具有重要的现实意义。本文聚焦电动汽车自动紧急制动系统及其控制策略的开发与验证,致力于设计一套集成度高、鲁棒性强、控制精度高的车载先进驾驶辅助系统,以适应车辆智能化、电动化的发展趋势。论文的主要研究内容如下:针对VGG16特征提取网络存在训练时间长、特征数量多等缺点,采用计算量小且易于优化的深度残差网络-特征金字塔组合对Faster-RCNN算法进行了改进;结合INRIA数据集、MIT数据集以及nu Scenes数据集完成对改进后算法模型的训练与验证,依靠实车采集的城市道路、隧道以及内环高速等路段的样本,测试改进后的Faster-RCNN算法模型的检测精度以及泛化能力;实验结果表明,改进后的Faster-RCNN算法具有较强的鲁棒性并且在GPU上的检测速度可达2-4FPS,能够实现遮挡、弯道等复杂场景下目标物体的检测。针对毫米波雷达和摄像头在车辆上的不同安装位置和采样频率所造成的传感器数据在空间维度上不一致的问题,通过推导毫米波雷达坐标系和图像坐标系的空间转换关系式,建立了雷达坐标系-相机坐标系-图像坐标系-像素坐标系间的空间转换模型,结合张正友相机标定方法完成罗技C670i摄像头的标定,实现了雷达与摄像头数据在空间维度上的融合;试验验证了融合模型的准确性。搭建了集成安全行驶级、碰撞预警级、紧急制动级的分层预警模型,确定了不同车速下的碰撞时间阈值和行车安全等级;提出了上层单隐藏层神经网络和下层PID的分层控制算法模型,并运用有经验驾驶员制动数据训练神经网络;针对PID参数整定过程耗时严重并过度依赖调参人员工程经验的问题,根据随机漫步理论,改进粒子群算法学习因子,并将其用于整定PID参数,提高了系统的控制精度和自调节能力;结合车辆行驶关系式和动力传动系统结构,推导车辆逆动力学模型的表达式,建立汽车期望减速度到电动机扭矩和制动主缸压力的转换模型以及制动/加速工况逻辑切换模型、电动汽车动力学模型、毫米波雷达模型以及摄像头模型,完成自动紧急制动系统及其控制策略的软件建模。根据中国新车评价标准C-NCAP 2021版中关于车辆主动安全技术测试场景,在Car Sim中搭建了仿真场景,结合MATLAB/Simulink软件进行联合仿真,验证本文设计的电动汽车自动紧急制动系统整体框架及其控制算法的可行性与有效性;对电动汽车自动紧急制动系统功能安全进行整体评价。