近年来,汽车领域呈现“电动化、智能化”的发展趋势,自适应巡航系统作为一种智能辅助驾驶技术得到了长足的发展。传统的自适应巡航系统无论定速巡航控制或者跟车巡航控制均以提高驾驶舒适性为目的,以特殊用途(如上装协同作业)为目的的巡航控制研究还较少。针对N3类(大型载重汽车)清扫车自适应巡航系统,不仅要解决自适应巡航系统的车辆自适应巡航问题,还需要考虑清扫作业时的协同作业问题。针对以上提出的问题与技术发展现状,本文基于N3类清扫车的感知需求,设计一种用于清扫车日常协同作业的自适应巡航系统,旨在有效提高清扫车作业效率,降低自适应巡航系统总体能耗。本文在分析N3类清扫车感知需求的基础上,建立了N3类清扫车自适应巡航系统感知层算法理论体系,基于深度神经网络Faster-RCNN与数字图像处理技术实现了针对路面清洁度的目标识别算法与覆盖率识别算法,并通过算法融合确定了目标识别算法和覆盖率识别算法相结合的路面清洁度视觉感知总体方案。从感知结果中的各类路面垃圾物的上装功率出发,开展了基于有限状态机(FSM)的自适应巡航决策规划方法研究,利用状态机状态转移机制以及激励函数实现了车辆状态与作业典型工况的匹配,确定了下一时刻车辆的控制参考目标。针对决策规划结果与汽车自适应巡航系统功能需求,通过车辆纵向动力学理论结合重要部件试验数据,在满足模型准确性和简洁性的基础上,采用分布式建模方法建立了反应车辆动态特性的车辆动力学Simulink模型。模型中通过模糊PID控制优化,增强了车速与上装执行器控制的鲁棒性。最后通过软件测试场景建立,在模拟真实测试场景的情况下,通过Python与Matlab联合仿真开展了各工况下自适应巡航系统性能仿真研究,验证了自适应巡航系统在各工况下功能的稳定性,充分体现了面向N3类清扫车感知需求的自适应巡航系统协同上装工作方式相较于传统清扫车驾驶作业方式的优越性。最后,依托实验室项目,从感知层算法实车测试和决策控制层算法实车测试两个方面对自适应巡航系统功能算法进行了实车验证,验证了本论文所研究自适应巡航控制方法的可行性,并为自适应巡航系统整车设计分析奠定基础。