随着人工智能和硬件水平的发展,无人驾驶渐渐成为高校和科技公司研究的热点之一,而车辆运动控制技术作为无人驾驶的核心技术之一,有着重要地位,车辆运动控制技术的重要组成之一就是车辆的横向控制技术。本文分别介绍基于车辆运动学模型和车辆动力学模型的模型预测控制器,作为车辆的横向控制器,并且引入指数衰减权重矩阵提高控制器的控制性能。针对模型预测控制器计算量大的问题,引入Laguerre函数对其指令计算过程进行优化,提高控制器的实时性。本文对模型预测控制器进行了原理介绍,并分别对基于车辆运动学和动力学模型的模型预测控制器下系统的跟踪能力和稳定性仿真分析。基于车辆动力学模型的控制器因为考虑到车辆的动力学特性,在车辆中高速情况下,系统的跟踪能力明显优于基于车辆运动学模型的控制器。仿真分析了模型预测控制器不同参数对于系统跟踪性能、计算时间的影响。针对控制器响应速度和稳定性的矛盾,在目标函数内引入指数衰减权重矩阵,通过重新分配预测时域内权重,降低未来的误差和控制量的权重,来达成在不影响系统稳定性的情况下优化控制器的响应速度,提高系统的跟踪性能。同时指数衰减权重的引入还有利于减少过长的预测时域带来的数值问题。随后针对控制器实时性差,计算量大的问题,引入Laguerre函数,由对模型预测控制器的仿真对比得到控制时域对于计算量的影响远超预测时域,因此通过类似于系统辨识的方式,用Laguerre函数去拟合控制序列,可以用较小的项数来表示控制序列,达到减少控制器计算过程优化维度的目的,优化控制器的实时性。