随着科技的进步与交通安全问题的日益突出,人们对安全性强、智能化水平高的自动驾驶汽车的关注与日俱增。但是,现阶段的自动驾驶技术还不成熟,不能直接应用于日常交通的车辆上,还需要进一步提升在复杂驾驶环境中的精确控制能力和安全保障能力。本研究聚焦于自动驾驶技术核心之一的路径跟踪控制系统,对其中涉及的参数辨识算法和路径跟踪控制算法展开了深入探讨。首先,将车辆系统分解为车体模型、轮胎模型和转向模型。考虑模型精准度和计算复杂度的平衡,分别建立了适用于辨识需求的四轮车体模型和适用于控制需求的自行车车体模型。为了保证参数的实时性,构建了自适应线性轮胎模型。基于稳态特性,建立了简易转向模型。同时考虑到控制系统的需要,将车辆各部分模型融合并推导了包含道路曲率信息的车-路误差动力学模型。其次,针对传动系数的获取问题,基于运动学模型,设计了龙贝格观测器+递归最小二乘法的辨识系统,并通过自适应遗忘因子增强了系统的整体性能。考虑到控制系统对侧偏刚度的实时需求,基于四轮车体模型,分别设计了扩展卡尔曼滤波器/无迹卡尔曼滤波器+卡尔曼滤波器的辨识系统,并采用自适应变参数规则提高了系统的准确性和鲁棒性。最后,基于误差动力学模型推导设计了模型预测控制,并通过动力学约束条件提升了算法的稳定性。考虑解析解的计算效率,利用预瞄理论构建了增广线性二次型调节器,成功解决了误差动力学模型非线性问题。同时,为了保证算法的鲁棒性,考虑质心侧偏角和轮胎侧偏角的约束,设计了变增益算法。接着基于模拟退火算法和径向基神经网络,建立了最优预瞄时间选择器,进一步提高了算法对不同车速和道路附着情况的适应能力。稳定性、时域稳态响应和频域频率响应的理论分析结果验证了带约束的增广线性二次型调节器的有效性。最后通过一系列的仿真验证实验,证明了本文设计的模型预测控制和带约束的增广线性二次型调节器的可靠性和准确性。