随着人工智能和传感技术的不断发展,无人驾驶逐渐成为了国内外研究热点。高速路自动超车是一种典型的无人驾驶行为,极易发生交通事故。现有的自动超车控制方法多基于模型,可移植性较差。因此,研究不依赖于模型的、可移植性更强的数据驱动自动超车控制方法具有重要理论意义和实际应用价值。无模型自适应控制算法（Model Free Adaptive Control,MFAC）是一种具有代表性的数据驱动控制算法,它无需依赖系统精确的数学模型,仅利用输入输出数据来完成对系统的控制,具有结构简单、易于开发、自适应强的优势。加入预测后的无模型自适应预测控制算法（Model Free Adaptive Predictive Control,MFAPC）可进一步增强系统鲁棒性。自动超车方案主要包括超车路径规划和超车路径跟踪控制两部分。无人车根据车载传感器采集的自身及周边环境信息,在线规划出一条安全可行的超车轨迹,再通过路径跟踪控制器完成车辆对所规划轨迹的跟踪。首先,论文通过仿真对比,确定了基于五次多项式的路径规划方法为本文的超车路径规划方法。然后,基于MFAC和MFAPC提出了两种数据驱动的高速路自动超车控制方案。最后,搭建Simulink/Car Sim联合仿真环境验证了本文所提的两种控制方案的有效性。主要工作如下:（1）自动超车路径规划方法:基于二自由度汽车运动学模型,分析了超车过程,研究了五次多项式换道路径规划算法、三角函数路径规划算法和圆弧换道路径规划算法的特点,通过仿真对比确定了五次多项式换道路径规划算法。（2）基于MFAC的超车路径跟踪控制方法:将无人车超车系统等价转化为全格式动态线性化数据模型,并利用该数据模型提出了MFAC超车路径跟踪控制方案,主要包括MFAC算法、伪梯度估计算法、重置算法。（3）基于MFAPC的超车路径跟踪控制方法:针对无人车超车系统存在时滞及外界干扰的问题,将预测控制与MFAC控制的优点相结合,设计了基于MFAPC的超车路径跟踪控制方法。（4）利用无人车超车系统的I/O数据,在Simulink/Car Sim联合仿真环境中对传统的PID路径跟踪控制方法和论文提出的两种超车路径跟踪控制方法进行仿真比较研究。结果证明,MFAC和MFAPC算法均能完成对超车路径的跟踪控制,相较于PID算法,MFAC和MFAPC算法具有更强的跟踪能力,其跟踪精度更高,且乘车舒适性较好。