智能车,又称为轮式移动机器人或者自动驾驶车辆,是指能够自动感知周边环境且作出运动决策的地面轮式运动工具。相比于传统汽车,具有敏锐的环境感知、高效的行为决策以及稳定的控制能力等优点。若其能够广泛应用将减少交通事故数量、改善城市交通拥堵和节约能源。本文具体工作如下:首先,以双轮移动小车AmigoBot为研究对象,建立小车的动力学模型,模型带有参数不确定性,设计其偏向角线性自抗扰控制器,采用根轨迹法进行极点配置,从而确定控制器参数。Matlab的数值仿真实验表明系统是稳定的,小车的偏向角可以在较短时间内达到给定的预期角度。在仿真平台MobileSim的实验上,使用线性自抗扰作为偏向角控制器比使用自带的转向算法可以更快地达到期望转向角度且无超调。说明采用线性自抗扰可以减少转向延迟。然后,研究了智能车的换道轨迹规划的常用方法。基于sin函数的换道轨迹最为直观简单,但是初始侧向加速度不为零;圆弧曲线考虑到换道时间最短问题,但没有限制横向加速度。梯形换道必须合理选择横向加速度和加速度率,否者换道时间会比较长,灵活性较差。在Matlab的数值仿真表明,这三种方法只从换道任务本身出发而未考虑车辆运行中的实际限制,而基于多项式的换道轨迹规划不存在这些缺陷,轨迹本身以及轨迹的一阶、二阶导数都是光滑过渡的,也就是说换道路线的位移、速度和加速度过渡平滑避免了粗暴换道,且算法的扩展性强。所以本文的换道轨迹规划采用多项式拟合的方法。最后,研究了智能车的换道轨迹跟踪。在传统单点预瞄法的基础上,采用多点预瞄提升了算法的准确性,预瞄距离依据跟踪道路的曲率和小车的速度进行动态调节,最后确定期望转向角。在此基础上结合线性自抗扰建立了轨迹跟踪控制器,分别在跟踪轨迹为圆形、直线、基于多项式的情况下进行了实验,与PID控制对比,实验结果表明采用线性自抗扰可以让小车更快地靠近跟踪轨迹,且超调量更小。在小车和换道轨迹的初始位姿相同的情况下,若换道轨迹是连续的,则可以保证零误差跟踪规划曲线。