无人驾驶方程式赛车的关键技术主要包括环境感知、决策规划和运动控制这三大方面。运动控制即路径跟踪控制,其控制性能的好坏直接影响赛车的跟踪精度。由于方程式赛道复杂多变,急缓弯交替出现,因此给路径跟踪控制带来了巨大的挑战。为了确保方程式赛车平稳通过赛道的同时,所用时间最少,需要在急弯工况下降低车速,避免出现侧偏甚至侧翻现象,缓弯工况下提升车速,减少所用时间。由于赛道曲率多变,规划路径可能会出现非连续的状态,因此,控制算法既需要兼顾高、低速工况,也需要考虑非连续路径的情况。此外,单一的控制算法存在自身的不足之处,无法综合考虑无人驾驶方程式赛道的复杂多变性以及赛车行驶的复杂工况。针对上述问题,综合考虑赛车行驶的高、低速工况出现的动力学特性差异以及控制算法对跟踪路径连续性的要求,基于纯追踪和MPC控制理论,设计混合控制器,融合多种控制算法的优势,提高方程式赛车在复杂赛道下的跟踪性能。论文依托国家自然科学基金项目（51675257）以及辽宁省科技厅2017省重点研发计划“无人驾驶电动平台车关键技术研发”展开研究,论文研究内容包括以下几个方面:（1）无人驾驶方程式赛车相关模型建立。考虑到赛车高低速特性的差异,建立了运动学模型和动力学模型,为横向控制器的设计奠定了基础。为了便于验证控制算法的跟踪效果,应用MATLAB/Simulink和CarSim软件中建立了整车动力学模型,并且设计了跟踪路径模型。（2）无人驾驶方程式赛车横向控制研究。在MATLAB/Simulink中建立了纯追踪控制器和模型预测控制器,并与CarSim进行联合仿真,在不同速度工况下验证了算法的有效性。仿真结果表明:车速低于20km/h,纯追踪控制算法跟踪效果较好,但是随着车速不断提升,跟踪误差逐步增大。为了适应实车实时控制需求,简化了模型预测控制器的设计,采用固定的预测时域,这导致在低速时,其预测距离过小,影响其跟踪精度。（3）无人驾驶方程式赛车横纵向协同控制研究。为了解决横纵向耦合问题,以模型预测控制理论为核心建立横纵向协同控制器,以模型预测控制算法输出的期望加速度,作为纵向控制器的输入,纵向控制器采用前馈PID控制方法。仿真结果表明:跟踪路径曲率突变时,只考虑横向控制,跟踪误差会出现突变,跟踪精度降低,而在消除速度误差期间,PID控制算法展现出优秀的速度响应性能和稳定的跟踪能力。（4）无人驾驶方程式赛车混合控制策略研究。在分析纯追踪控制算法和模型预测控制算法优劣势的基础上,将速度划分为低速模式、中速模式和高速模型。通过模糊控制理论将两种控制算法结合起来,充分发挥两种控制算法的优势。仿真结果表明:在中速模式下,相对于单一的纯追踪控制算法和模型预测控制算法,横摆角速度和侧向加速度波动较小,跟踪较为平缓,跟踪精度较高。（5）无人驾驶方程式赛车路径跟踪控制实车验证。应用无人驾驶方程式赛车进行实车验证。实验结果表明:论文研究的混合控制策略符合预先的要求,能平稳的跟踪期望路径,且对跟踪路径曲率波动不敏感,跟踪误差波动较小,跟踪精度较高。