在当前车辆驾驶环境中,人是关键的一环。过去,人们常常因为疲劳驾驶、醉酒驾驶、驾驶经验不足、路况差等因素而发生交通事故,因此,人是驾驶环境中最脆弱的环节。无人驾驶车辆的研究不仅顺应了汽车发展的趋势,还能将人从复杂的驾驶环境下解放出来,减轻交通安全问题的困扰。在无人驾驶技术快速发展的今天,对无人驾驶车辆进行系统而深入的研究具有十分重要的意义。运动控制系统作为无人驾驶车辆关键的子系统也越来越受到关注和重视,其基于规划层的期望轨迹、车辆的实时反馈状态,控制其执行器对车辆进行调整,使得无人驾驶车辆能安全,准确跟踪期望轨迹。但是车辆本身具有高度的非线性特性,不同系统之间存在耦合关系,车辆的参数大多不确定,以及不同扰动引起的各种非线性动态约束,都给轨迹跟踪的精确控制带来了很多困难。论文以轨迹跟踪为主要研究对象,主要作以下方面研究:第一,无人驾驶车辆的控制器在控制车辆的同时,需要实时可靠的车辆运动状态,针对车辆轮胎的非线性所导致的模型线性化误差会影响状态估计的效果,提出一种基于轮胎误差补偿的方式来消除轮胎的线性化所带来的误差,并设计了一种基于扩展卡尔曼滤波无人驾驶车辆运动状态的观测器来消除模型和观测器所带来的过程、测量噪声,通过仿真分析,有较好的状态估计效果。第二,无人驾驶车辆在跟踪曲率变化大的道路轨迹时,原有的固定线性模型已经不足以满足要求,提出一种可变模型的模型预测控制器来弥补曲率变化大时跟踪效果不佳的问题。第三,不同车速下控制器的跟踪效果存在差异性,速度是影响车辆的跟踪精度和舒适性的关键因素,提出基于遗传算法的模型预测控制来优化不同速度下代价函数权重参数。第四,在硬件在环仿真测试（HIL）中做仿真实验,来验证提出的改进优化算法,仿真实验结果表明,提出的可变模型的MPC控制器与基于遗传算法的MPC均具有较优秀的跟踪性能、一定的实时性,以及表现出了较好的可行性,存在应用价值。