轨迹跟踪作为自动驾驶系统的关键技术之一,是连接上层决策系统与底层控制系统的桥梁,对自动驾驶整体算法构建与实现起到至关重要的作用。模型预测控制善于系统地处理汽车多种动力学约束问题,具有预测汽车行驶状态的能力,为自动驾驶轨迹跟踪控制提供一种新路径。因此,基于模型预测方法研究开发自动驾驶汽车的轨迹跟踪控制算法、提高轨迹跟踪的精度和稳定性具有重要的理论意义和应用价值。本文主要研究内容包括:1、车辆系统模型构建。应用Dugoff轮胎公式,建立非线性轮胎模型。分析轮胎的力学特性,确定其线性工作区,并将建立的车辆三自由度动力学模型进行适度简化,为路面附着系数估计、质心侧偏角估计、轨迹跟踪控制研究提供了模型基础。2、线性时变轨迹跟踪控制方法研究。针对非线性MPC算法求解量大、实时性差的问题。基于泰勒公式和欧拉方法,对非线性车辆动力学模型进行线性化和离散化处理,将非线性轨迹跟踪优化问题进行QP转换,提高控制器求解效率。搭建Simulink-Carsim联合仿真平台,利用双移线轨迹仿真验证轨迹跟踪控制器的有效性。结果表明,所设计的控制器在良好的附着路面以中低速行驶时,具有较高的跟踪精度、能够保持良好的稳定性。3、自适应多约束模型预测控制研究。针对传统MPC控制器在高速工况下的容易失稳的问题,提出了一种自适应多约束模型预测控制方法（AMMPC）。采用无迹卡尔曼滤波方法,研究实时路面附着系数和质心侧偏角对控制器预测模型和约束条件的影响;同时,基于模糊控制规则设计参数动态调节器,根据车速和参考轨迹曲率的变化对预测时域和控制时域进行自适应调节,提高轨迹跟踪精度。仿真结果表明,所提出的自适应控制方法在高速工况下具有良好的稳定性,能够考虑路面附着系数对控制器的影响,提高了控制器对速度和道路曲率变化的自适应能力。4、实验验证。基于自主研发的无人车,选取两种行驶工况进行了实车测试,验证控制器的可行性和可靠性。结果表明,本文设计的线性时变轨迹跟踪控制器展现了良好的跟踪能力。