随着车辆保有量逐年增加带来的各类交通与环境问题,智能驾驶车辆以及其相关的技术研究被认为是解决交通问题的有效手段,同时发展智能驾驶车辆,对于建设未来城市智慧交通系统具有重要的意义。智能驾驶车辆的研究主要涉及以下三部分:环境感知、轨迹规划和决策以及轨迹跟随控制。智能车辆首先通过搭载的传感器与驾驶场景进行信息交互;并基于对环境信息的处理结果,决策出最优的驾驶路径--期望轨迹;然后通过车辆底层动力学控制,实现跟随期望轨迹的目的。其中,智能驾驶车辆的横向运动控制是车辆安全、稳定自主行驶的基础,是近年来智能驾驶车辆相关技术研究的方向。本文针对这一方向分别利用预瞄理论和模型预测理论设计控制算法,并在课题组自主开发的实验平台上将仿真结果进行验证。基于最优预瞄理论的轨迹跟随控制方法首先是利用车辆预期轨迹的信息,建立前轮转向角同横向位置偏差的函数关系,设计前馈的多点预瞄控制器。为了充分利用横向偏差,在反馈环节添加滑模控制器,并分析控制器的稳定性,说明滑模面设计的合理性,完成了前馈+滑模轨迹跟随控制器的设计。通过仿真实验进行验证,仿真的结果表明,在设计的仿真工况下,前馈+滑模控制器的轨迹跟踪效果良好,控制算法具有良好的稳定性。在模型预测控制(MPC)理论设计轨迹跟随控制器的方法上,为降低智能驾驶车辆横向控制的计算复杂性,提高控制的实时性能,本文采用线性时变模型预测控制方法对智能驾驶车辆横向控制器进行了设计,添加动力学相关约束,保证线性时变模型预测控制算法的推导结果能够很好的符合车辆动力学性能。为保证横向控制过程中的车辆稳定性与可行性,本文构建了车辆动态特性以及车辆转向系统约束对侧向控制过程中的控制器状态量与输出量的约束规则。实验仿真结果表明,控制器的跟踪效果良好,相应的曲线变化平稳。最后将两个控制器进行对比,低速工况的仿真结果表明两个控制器的跟踪效果大致相同,而模型预测控制器的横向位置偏差曲线表现更为稳定;高速工况下,随着车速增加,两个控制器的控制效果发生变化,在直线路段模型预测控制器的跟随效果更好,而弯道处的横向位置偏差均有增大现象,前馈+滑模控制器相对更稳定,误差更小。对比两种控制器的实验结果与试验条件进行综合考虑,找到合适的实际平台验证的控制算法,最终对于轨迹跟随模型预测控制器进行了实际平台验证,结果表明,平台能够按照控制命令完成轨迹跟随,满足智能汽车轨迹跟随控制的要求。