智能车辆是智能交通系统的重要组成部分,而智能电动客车不仅能够减少驾驶员误操作而造成的交通事故,还能解决环境污染,以及交通拥堵等问题,大力研究智能电动客车对于城市交通的健康发展具有重要意义。而智能车辆的两个关键技术就是路径规划和轨迹跟踪。在已知路径下如何能够快速准确的跟随期望轨迹一直是国内外学者不断研究探讨的问题。本文以智能电动客车为研究对象,围绕车辆模型建模与模型预测控制算法在轨迹跟踪中的应用展开了研究,着重讨论了基于动力学模型的模型预测算法在纵横向控制耦合情况下的应用。首先,分别应用车辆运动学原理和车辆动力学原理建立车辆运动学模型和车辆动力学模型,通过合理的假设和简化最终得到可以应用于模型预测控制器的非线性车辆模型。在考虑车辆动力学模型时,为使车辆在轨迹跟随过程中保持车辆的稳定性,分析并建立了车辆轮胎模型。与此同时,本文还进行小角度假设,简化了数学模型,提高了模型预测控制器的计算速度,使得跟踪控制更具有时效性,从而为后续车辆轨迹跟踪控制提供了模型基础。结合所建立的非线性模型,引入非线性模型预测控制算法及其数值解法。由于非线性模型的具有局限性及计算量大等问题,因此本文采用线性时变模型预测控制的解法,并且分别用两种方法对车辆运动学模型和动力学模型进行线性化。然后对两种模型设计了不同的模型预测控制器,包括对目标函数、约束条件及反馈机制的设计。采用Trucksim与MATLAB/Simulink联合仿真验证模型预测控制器在智能电动客车上应用的可行性和时效性。从仿真结果来看,基于运动学的模型预测控制器只能应用在低速工况下;而基于动力学模型设计的控制器对车速变化具有较好的适应性和稳定性,可以较精确的完成轨迹跟随控制。由于在匀速工况下变换车道超车不能很好地反映实际超车工况下驾驶员的操作,因此对基于动力学模型预测控制算法进行优化,即在控制器中加入了纵向加速度约束控制,使得车辆在横向轨迹跟踪控制的同时进行纵向速度跟随。从仿真结果来看加入纵向速度控制后,车辆对于不同附着系数的路况都有较好的稳定性,且车辆的操纵稳定性变好。基于硬件在环仿真技术,搭建电动客车线控转向的d SPACE硬件在环试验平台,对线控转向系统进行测试,同时进一步验证模型预测控制算法的有效性。随后,将模型预测控制算法应用在福田12米纯电动试验样车上,进行实车测试。结果表明,所提出的控制算法有良好的轨迹跟踪控制功能。