无人驾驶在提升出行效率、节约能源以及主动安全性等方面,拥有着较大潜力。它既是汽车行业发展趋势,也是科技进步的体现。环境感知、决策规划、轨迹跟踪三大部分共同组成了无人驾驶,其最终目标是决策规划层利用周边环境信息进行主动决策并规划出最优轨迹,在轨迹跟踪系统的辅助下完成对参考轨迹准确平稳跟踪。轨迹跟踪作为无人驾驶系统中最为重要的一环,其性能将直接影响无人驾驶车辆行驶过程中的安全性。在实际的行驶工况中,提高无人驾驶车辆轨迹跟踪能力是保证安全行驶的前提,因此本文结合模糊控制理论和模型预测控制理论围绕如何提升轨迹跟踪精度和平稳性展开如下研究:1.构建车辆空间状态模型。首先,在基于假设的前提下搭建了车辆的动力学模型。其次,为了更加准确的描述车辆行驶过程中的动力学特性,利用魔术轮胎公式构建了轮胎模型。最后,在此基础上,为了更加简洁方便的描述车辆状态、位姿等信息,利用笛卡尔坐标系与Frenent坐标系之间的映射关系,将车辆动力学模型转换成道路模型,完成以横向偏差、横向偏差变化率、航向偏差、航向偏差变化率、速度偏差、位置偏差为状态变量的车辆状态空间模型构建。2.基于权重系数自适应的MPC轨迹跟踪控制器设计。首先在构建完成车辆空间状态模型的基础上,利用向后欧拉和中点欧拉法对空间状态模型进行离散化,考虑车辆行驶过程中的平稳性,通过等式变换将离散空间状态模型转换成增量式表达式。其次,利用状态空间方程逐一推导预测模型,并将其转换成标准二次型问题并添加控制增量约束、车辆动力学等约束,滚动求得最优控制增量序列。最后,为了研究模型预测控制算法中权重系数对轨迹跟踪效果的影响,利用直线和标准双移线工况进行仿真实验并分别分析了具有相对意义的横向偏差权重系数、航向偏差权重系数、位置偏差权重系数对轨迹跟踪的影响。在此基础上,为了提高车辆在不同工况下的跟踪精度和平稳性,设计了一种权重系数自适应控制策略,利用不同工况下对各偏差大小的侧重不同自适应调节权重系数,其中选取模糊控制作为控制方法,并利用仿真数据确定了输入输出变量论域以及模糊规则的制定,完成了模糊控制器设计。3.Car Sim与MATLAB/Simulink联合仿真平台搭建。首先对仿真实验框架进行了整体设计,框架由参考轨迹模块、MPC轨迹跟踪模块、模糊控制器模块、加速度与油门开度、制动压力转换模块以及Car Sim模块共同组成。为了提高制作参考轨迹的效率以及不同轨迹能进行统一处理的通用性,利用MATLAB中的appdesigner工具箱对参考轨迹上位机设计制作;其次利用Simulink工具对MPC轨迹跟踪控制器进行程序编写,其中包括外部接口设定、横纵向偏差计算、车辆空间状态模型构建以及离散化、预测模型、约束添加、QP求解等;在此基础上,利用模糊工具箱对权重系数自适应控制策略进行模型设计,其中包括了模糊变量值以及隶属度函数选取、变量论域确定、模糊规则设计以及模糊与反模糊算法确定。然后针对MPC轨迹跟踪模块输出的加速度不能直接作为最终控制量的问题进行了加速度与油门开度、加速度与制动压力之间标定表的制作并通过仿真实验验证了标定表的有效性。最后,在此基础上利用实际道路仿真工况进行控制策略可行性以及仿真平台有效性验证;利用综合仿真工况对控制策略进行有效性验证;利用低速、中速、高速三组双移线工况对控制策略进行适应性验证。4.实车实验平台搭建。首先搭建了实车的整车控制框架,考虑仿真控制算法的移植性以及实车算法运行的稳定性,选取Ros系统作为整车通讯系统,利用MATALB/Simulink完成对控制算法的移植和编写,通过两者之间的公共接口并以节点的形式进行实时在线通讯。其次,详细地介绍了硬件的选型以及各硬件的基本技术参数,并完成控制算法的实车部署。最后,在此基础上,利用实车硬件进行了实车道路轨迹采集,并利用该轨迹完成了对基于模糊自适应MPC的轨迹跟踪控制器跟踪效果的验证。5.仿真数据表明在校园道路工况和综合工况下车辆均能准确且平稳跟踪参考轨迹,并且输出前轮转角较为平滑连续;在低速、中速、高速双移线工况下,基于权重系数自适应MPC轨迹跟踪控制策略相较MPC轨迹跟踪控制器能有效降低最大横向偏差,验证了联合仿真平台的有效性以及基于权重系数自适应MPC轨迹跟踪控制策略的有效性和可行性;实车实验结果表明实车硬件选型以及硬件系统框架设计的可行性,基于权重系数自适应控制策略在无人驾驶车辆实际应用中的可靠性和有效性。