随着机器人技术和汽车技术的发展,无人驾驶汽车的研究成为热点,尤其在智能交通和军事领域有着广阔的应用前景。作为无人驾驶技术的关键问题,无人驾驶汽车路径跟踪控制问题由于其复杂性和重要性,越来越受到学术界和工程界的重视。无人驾驶汽车路径跟踪控制问题可以分为纵向速度控制问题和横向方向控制问题。对于纵向控制,现有方法对于切换规则和制动踏板的处理相对复杂,不利于工程实现;对于横向控制,现有方法大多基于汽车数学模型,但是汽车数学模型很难精确建立,利用不精确模型进行控制器设计会造成控制性能降低,未建模动态也会对无人驾驶汽车的控制来带潜在危险。无模型自适应控制(Model-free adaptive control,MFAC)作为一种典型的数据驱动控制方法,具有自适应性强、工程易实现以及无需模型进行控制器设计等优势。因此,基于MFAC算法对于无人驾驶汽车路径跟踪控制问题进行研究具有很重要的意义。本文主要工作包括:(1)针对无人驾驶汽车纵向控制问题,根据实际速度与期望速度的关系将汽车当前状态分为三个区域,即油门控制区域、缓冲区域和制动控制区域,在每个区域针对不同执行器采用不同控制策略,其中对于制动控制区域,考虑乘客舒适性以及车载传感器保护问题,提出了一种根据速度差来确定制动踏板作用时间的制动阈值控制方案。(2)针对无人驾驶汽车横向控制问题,提出了一种基于MFAC的预瞄偏差角跟踪控制方案。首先,将无人驾驶汽车路径跟踪控制问题转化成预瞄偏差角跟踪问题,将预瞄偏差角跟踪系统转化为等价的偏格式动态线性化数据模型,并利用该数据模型设计出无模型自适应控制算法、伪梯度估计算法和伪梯度重置算法,进而实现了无人驾驶汽车的路径跟踪。(3)利用汽车运动学模型提供输入输出数据,通过对直线路径跟踪和圆形路径的跟踪仿真分析验证了基于MFAC的预瞄偏差角跟踪控制方案的有效性,并与PID控制算法进行了对比仿真分析。更进一步地,为了验证本文设计的横纵向控制器对于无人驾驶汽车平台的实用性和优越性,编写了调试计算机软件,利用清华大学"睿龙"号无人驾驶汽车在北京长顺三路、江苏常熟"九宫格"实验场地以及常熟高速路等实验场地进行了大量横纵向控制方案的实验分析。最后,"睿龙"号无人驾驶汽车利用本文设计的横纵向控制方案,参加了了第七届"中国智能车未来挑战赛",在比赛的过程中横纵向控制方案没有出现任何问题。