安全是汽车工业发展过程中十分重要的问题。在人-车-环境组成的闭环驾驶系统中,驾驶员由于在驾驶技能、生理状态以及性格体力等方面存在的差异,因而被认为是驾驶系统中最薄弱的环节,也是造成交通事故频发的主要原因。由于智能汽车中部分或全部地剔除了人的因素,所以智能车辆被认为可以极大的解决交通安全的问题。在智能车辆的研究中,主要涉及到以下的几个问题:(1)环境传感感知:该部分的主要作用是通过传感器识别车辆周围的障碍物与环境,建立车辆周围环境的三维场景;(2)轨迹规划与决策:该部分主要是在获得车辆周围环境后规划与决策出一条最优的行驶轨迹;(3)轨迹跟随控制:该部分主要是通过控制车辆的转向系统以及驱动制动系统使得车辆按照期望的轨迹行驶,包括了纵向的速度跟随控制以及侧向的路径跟随控制。面对上述问题,本文将结合课题组的无人车平台主要对智能车辆的轨迹跟随控制进行研究。在研究的过程中,首先对传统的基于最优预瞄理论的轨迹跟随控制方法进行了研究。在对车辆动力学纵横向解耦的情况下,分别研究了车辆的纵向速度控制与侧向路径跟随控制问题。在侧向路径跟随控制器的设计中,提出了前馈加反馈的最优预瞄控制器。随后通过仿真验证分析了在不同工况下该算法的有效性。由于该方法无法进一步考虑车辆本身与环境的特性,比如执行机构的特性、轮胎与地面的附着特性等,从而使得在极限工况下的跟随效果变差,甚至导致车辆失稳。鉴于此,本文进一步研究了基于模型预测控制(MPC)的轨迹跟随控制方法。为了比较全面的考虑车辆纵向与侧向之间的相互影响,建立了纵横向耦合的三自由度车辆动力学模型。基于该模型,建立了以方向盘转角和纵向加速度为控制输入的MPC控制器。由于车辆纵向动力学受车辆侧向动力学的影响较小,通过单独考虑车辆的纵向动力学建立了速度跟随控制器。利用纵向速度跟随控制器计算出的纵向加速度,在每个预测时域内通过将纵向加速度作为已知的控制输入,从而将多输入多输出(MIMO)系统转化为单输入多输出(SIMO)的系统,优化了MPC控制器的设计与求解。此外,为了提高MPC控制器的求解效率,通过在每一个预测时域内对模型进行线性化,建立了线性时变的MPC控制器,从而保证了算法的实时性。为了提高车辆在极限工况下轨迹跟随的稳定性,考虑了轮胎侧偏角约束,使得轮胎力始终处于线性区,提高了车辆抗干扰的能力。最后,为了验证所提出的算法的有效性,对MPC控制器进行了仿真验证,并对基于最优预瞄理论的轨迹跟随控制器进行了实车实验。结果表明,所提出的控制算法具有较好的控制效果,能够满足智能汽车轨迹跟随控制的要求。