在经济全球化和贸易全球化的大背景下,自动化港口成为了传统港口的转型方向,港口的集装箱转运车也从传统的卡车变为自动导引车（Automatic Guided Vehicle,AGV）。本文以港口AGV为研究对象,对AGV在港口运输集装箱时完成目标路径跟踪的横向控制进行研究。在对AGV及其路径跟踪横向控制的研究现状进行分析后,发现目前对四轮转向车辆和重载大型车辆的路径跟踪横向控制研究较少,且没有考虑到如何在不同工况下提高控制精度,减少系统运算时间。本文提出基于模型预测算法的参数自适应控制方法,在提高控制不同工况下路径跟踪精度的同时考虑了控制的实时性。基于魔术轮胎公式和车辆单轨模型建立起AGV的非线性动力学模型,并在小角度假设前提下进行模型的简化。在Adams中建立AGV的虚拟样机模型,并利用实车试验进行验证。基于模型预测控制建立起AGV的路径跟踪横向控制器,添加轮胎侧偏角约束,并利用Matlab和Adams软件进行联合仿真,仿真结果验证了控制器在不同的道路条件和车速下都具有良好的控制效果。通过四轮转向与前轮转向对比,发现四轮转向在提高路径跟踪精度和改善车辆稳定性方面效果显著。考虑到AGV会在不同的路径和速度下行驶,本文提出参数自适应策略,利用遗传算法对模型预测控制器中的预测时域和控制时域参数进行优化,且在优化过程中综合考虑跟踪精度和控制的实时性要求。同样在仿真平台对参数自适应后的控制器进行仿真验证,结果显示参数自适应策略的控制器能有效的改善路径跟踪精度且减少运算时间。