车道保持辅助系统（Lane keeping assist system,LKAS）作为高级驾驶辅助系统（Advanced driving assistance system,ADAS）中最基本的功能,被越来越多的人青睐。而LKAS作为一个现有的安全驾驶系统,目的在于减少驾驶人员的意外伤害和驾驶负担,能够提醒驾驶员并主动去调节车辆质心和车辆轨迹中心线的距离,对车辆的安全行驶起着极其重要的作用,几乎涵盖了整个车辆驾驶系统。但当汽车在高速行驶过程中,车道保持如果不够精确,车辆会存在偏离车道的危险,严重威胁到驾乘人员的生命财产安全。因此,在如何更精确的进行车道保持,本文以保证车辆稳定性为前提,基于模型预测控制（MPC）对车辆进行了车道保持辅助系统的研究,主要研究内容如下。（1）车道保持辅助系统汽车模型的建立。为了更精确地描述车辆的行驶稳定性和转向特性,搭建线性二自由度汽车动力学模型,同时考虑轮胎的侧偏现象,搭建魔术轮胎模型。考虑路况复杂情况下车道保持的精确度,将车辆质心投影到以车道参考线为坐标轴的Frenet坐标轴上,对车道保持前10m的车道保持中心线进行预测规划。针对过长路径不利于坐标转换的问题,本文提出一种平滑算法（Smoothing Algorithm,SMA）。在每个规划周期内,截取一小段车道保持中心线,找到车辆在车道保持中心线上的匹配点,以车的位置向中心线投影,建立代价函数,将平滑后的车道线进行拼接。在车道保持中心线上选一个点,在Frenet坐标系下生成一簇候选轨迹,计算各点上的角度,曲率等信息,之后将Frenet坐标转化成笛卡尔坐标系,输出给控制器。（2）针对车道保持辅助系统（LKAS）精确度不高的问题,提出将模型预测控制（MPC）运用到LKAS策略中,随之又提出利用粒子群算法（PSO）和改进粒子群算法（IPSO）分别对MPC进行优化。搭建Carim和Simulink联合仿真模型,为了确保算法的有效性和精确性,在仿真过程中,分别设计了直线、S形、圆形三种不同路径,并对部分路段进行局部放大,分析车辆的实际行驶轨迹和车道保持中心线的误差,判读车道保持的情况。仿真结果表明,在MPC-LKAS的基础上,IPSO＿MPC＿LKAS在车辆行驶过程中能够较精确的进行车道保持以及具有较高的鲁棒性。（3）对IPSO＿MPC＿LKAS进行实验样车实验。在实验样车实验时,采用的是自主研发的全线控底盘轮毂驱动式电动汽车。将simulink搭建的模型文件进行编译,将编译完成之后生成的sx文件用Control Tester软件烧录到无人驾驶实验样车中,通过实地测量和软件波形两种方法分析实验样车在不同工况下的车道保持的情况。实验样车验证表明,IPSO＿MPC＿LKAS在车道保持过程中,具有良好的稳定性。