四轮独立转向/驱动（Four-wheel-steering and Four-wheel-drive Vehicle,4WS4WD）车辆在传统车辆的基础上,具备更强的控制裕度与行驶性能,是当前地面无人车辆（Unmanned Ground Vehicle,UGV）的理想解决方案。轨迹跟踪属于无人车辆的运动控制,以实现车辆对期望轨迹的跟踪为目标。论文以4WS4WD车辆为研究对象,综合考虑4WS4WD车辆动力学特性、行驶稳定性和安全性,对4WS4WD车辆的轨迹跟踪控制策略进行研究。建立了4WS4WD车辆非线性动力学模型,包括车体动力学模型、底盘动力学模型和轮胎模型。通过拉格朗日分析力学对4WS4WD车辆的车体进行了动力学分析,建立了包含车辆纵向、侧向、横摆和侧倾自由度的车体动力学模型;通过对车辆的内力传递进行分析,建立了车辆的底盘动力学模型,修正了垂向载荷转移效应;通过“Magic formula”轮胎公式,建立了轮胎模型,在考虑车轮校准变形效应的基础上,修正了转向角和外倾角变化,通过轮胎模型仿真分析,验证了轮胎纵向力与侧向力的变化特性。设计了自适应模型预测控制算法（Adaptive Model Predictive Control Algorithm,AMPC）用以驱动车辆非线性动力学模型,算法包括模型自适应线性化方法、预测模型设计方法和二次规划（Quadratic Programming,QP）问题转化与求解方法,通过输出量解耦和控制量转化,将非线性车辆动力学模型的预测问题转化为了QP问题,以求解出控制量,实现对车辆的运动控制。设计的基于分层控制的轨迹跟踪控制器,上层为基于AMPC算法的整体跟踪控制器,下层为基于状态反馈和阿克曼转向几何的下层四轮转角分配器与基于多目标求解的下层四轮转矩分配器,上层控制器通过AMPC算法对车辆非线性动力学模型进行驱动求解,得到上层轨迹跟踪控制量,下层控制器将上层控制量解耦分配,以获得实际可输入4WS4WD车辆的底层控制量,针对车辆状态反馈中的噪声干扰问题,构建了基于卡尔曼滤波的状态估计器,对状态反馈参数进行修正与滤波。通过Matlab/Simulink和Carsim联合仿真试验,对控制策略在双移线工况、蛇形工况下的有效性进行了验证,仿真结果表明,建立的非线性动力学模型具有较好的准确性和拟合范围,分层轨迹跟踪控制器能够有效地控制车辆跟踪上期望轨迹,具有良好的实时性和鲁棒性。