控制算法作为无人驾驶技术的核心,决定了车辆跟踪期望路径的精度和速度。近年来,随着机场规模的扩大,越来越多的机场无人物流车承担了飞机到货仓的行李运输任务。相比于其他无人驾驶应用环境,首先,机场车辆运行的规范性给车辆控制提出了更严格的约束条件;其次,装载行李数量和大小不同导致的质心偏移,需要设计的控制算法对质心位置变动具有鲁棒性;最后,在空旷的机场环境中,需要降低风扰对路径跟踪控制产生的不利影响。如何在满足上述三个条件的情况下完成机场无人物流车的路径跟踪控制是本文的主要研究内容。具体研究内容如下:首先,分别介绍了车辆线性二自由度动力学模型和车辆非线性六自由度动力学模型建模过程,推导两个模型的动力学方程。整车控制多数采用线性二自由度模型,因为其参数少控制容易,但该模型在车辆载荷改变等情况下会出现模型失配的问题,因此需要引入非线性六自由度模型。在得到两个模型方程后,通过轮胎模型的线性化和小角度假设对其进行简化处理,为后续的算法仿真提供了模型基础。其次,介绍了预瞄理论和滑模控制的工作原理,通过对单点预瞄-PID控制算法仿真研究,分析该算法用于路径跟踪控制的劣势。仿真结果表明,该算法抗风扰能力和跟踪大曲率路径能力都不能满足实际的需求。针对其抗风扰能力差的问题,采用高鲁棒性的滑模控制算法代替PID控制算法进行改进,提高了系统的抗干扰能力。针对其跟踪大曲率路径效果差的问题,通过多点预瞄代替单点预瞄,获知更多期望路径的信息,降低了跟踪的误差。通过MATLAB/Car Sim的联合仿真和实车平台验证了多点预瞄-滑模控制算法的有效性。最后,基于模型预测的路径跟踪控制算法设计。先介绍了模型预测控制算法的工作原理,并在质心位置漂移和侧向风扰作用下对常规模型预测控制算法的跟踪效果进行仿真分析,结果表明,常规的模型预测控制算法易受到质心位置漂移和侧向风扰影响,控制精度会有一定程度地下降。为了解决上述问题,提出了基于质心估计和事件触发扩张状态观测器的模型预测控制算法,通过质心估计获取质心的实时位置,并通过事件触发扩张状态观测器估计未知侧向风扰的大小,在控制算法中进行相应补偿,事件触发机制的加入在保证控制精度的前提下尽可能减少需要的计算量。仿真结果表明,在改进的控制算法作用下,路径跟踪控制精度有了显著提升,验证了算法的有效性。