随着智能城市建设进程的快速推进,传统的控制方法控制车辆跟踪曲线路径时由于缺少对路径曲率信息的考虑,往往控制过程存在较大位置偏差并且跟踪稳定性较差,难以满足城市智能安全交通的需求,如何为智能车辆在曲线路径工况中进行高效稳定的路径跟踪控制成为迫切需要解决的问题。本文根据模型预测控制（Model Predictive Control,MPC）理论,提出了一种基于曲线路径曲率和预瞄模型的路径跟踪控制方法,在曲线路径场景下实现快速、稳定、准确的路径跟踪控制,以解决智能驾驶过弯精度不高和稳定性较差等智能驾驶难题,并完成了相关的算法和框架的构建。本文的主要研究内容如下:（1）构建了适用于路径跟踪控制的车辆模型。对智能车辆运动学和动力学两种车辆模型进行了详细分析,对数学模型中车轮所受各向载荷进行了考虑,建立了基于布氏轮胎模型的车辆横纵向动力学模型,通过合理的简化,提出了考虑轮地相互作用及轮胎滑移率的车辆动力学模型,为跟踪控制过程需要考虑路面附着系数的变化提供了支持;进一步地,针对曲路径跟踪问题需要考虑相关的轮地作用力及参数进行了分析,综合模型的准确性以及运算复杂度,推导出同时适用于路径跟踪控制和车辆稳定性控制的车辆模型,为后续的智能驾驶路径跟踪控制研究奠定了基础。（2）研究了改进的模型预测控制算法,提出了一种依据跟踪偏差和道路曲率自适应调整成本函数权重系数的路径跟踪控制算法,提升了路径跟踪精度和车辆行驶稳定性。首先建立智能车辆的动力学模型,根据车辆机械结构的特性分析本文控制方法设计过程需要满足的约束条件和优化函数,依据智能驾驶操作规则设计模糊逻辑控制器,让MPC控制里优化函数的权重系数可以随着跟踪位置偏差与路径曲率的改变进行调节,由此让车辆在行驶过程有着较高的跟踪精度,并且可以确保车辆具备较好稳定性。完成控制器的设计,并通过仿真和实验结果对比验证了该方法能够进一步减小位置偏差,横摆角速度更小,车体整体运行更加平稳。（3）针对曲线路径跟踪控制,设计了兼顾路径跟踪精度和行驶稳定性的混合切换控制方法。首先根据路径综合曲率设计车辆纵向速度控制器,充分考虑道路曲率和车速对预瞄距离的影响,建立预瞄模型对车辆速度和道路曲率自适应调整,根据数学模型结合经验公式来自适应获取不同长度的预瞄距离,基于动力学模型设计模型预测控制器,最后结合动态预瞄距离和切换规则完成混合切换控制方法的设计,并通过实验验证了该方法针对曲线路径相较于其他控制方法拥有更好的跟踪性能和稳定性。（4）设计了移动机器人实验平台,验证了本文路径跟踪控制算法的可行性。设计和搭建了自主导航移动机器人控制平台,同时将本文设计的路径跟踪控制算法移植至机器人系统中,并对其进行相关的实验分析,验证了本文提出的智能车辆路径跟踪控制方法的可行性,并且跟踪误差均在允许范围内,能够满足实际工作的精度要求。综上所述,针对曲线路径跟踪控制的需求和难题,本文提出了一种基于曲线道路参数自适应调整控制策略的路径跟踪控制方法,通过在预瞄模型中建立预瞄距离与车速和道路曲率之间的关系方程,然后依据跟踪偏差和道路曲率自适应调整模型预测控制算法中代价函数的权重系数,能够实现对曲线路径的快速、稳定、准确的跟踪,适用于复杂曲率变化工况等环境下的路径跟踪控制。