智能车辆(Intelligent Vehicle,IV)路径跟踪控制是智能车辆无人驾驶技术的核心问题。智能车辆是高度耦合非线性系统,具有参数时变和外界干扰不确定的特点。本文基于智能车辆无人驾驶试验平台,开展了路径跟踪控制方法研究,主要分为以下几点工作:首先,以实际试验车辆结构和数据为基础,基于控制系统验证需求,采用模块化建模思想,建立能够反映车辆主要动力学特性和轮胎非线性的整车十四自由度动力学模型。同时基于易测量的状态量建立车辆实时位置、质心侧向加速度和质心侧偏角估计模型。同参数同工况下,将搭建的模型与车辆动力学仿真软件IPG/CarMaker提供的物理模型进行对比仿真验证。结果显示,本文建立的模型能够准确描述车辆基本动力学特性并表征相应车辆状态,为智能车辆路径跟踪控制系统设计提供了模型基础。第二,以视觉导航系统为研究对象,建立以道路曲率为输入的预瞄误差计算模型。针对智能车辆系统的高度非线性、参数不确定性以及外界干扰不可测的特点,基于滑模变结构理论设计路径跟踪控制器,再以RBF神经网络逼近滑模控制器的切换部分,消除输出抖振。双移线工况仿真结果显示,控制器输出平稳,具有良好的跟踪精度和鲁棒性。第三,基于固定预瞄距离设计的路径跟踪控制器,在道路曲率大范围变化时,难以保证车辆的稳定性满足要求。本文通过分析不同预瞄距离对跟踪精度和车辆稳定性的影响,得出了“预瞄距离长,稳定性好;预瞄距离短,跟踪精度好”的结论。并根据这一结论设计了模糊控制器与迭代学习控制器组成的预瞄距离自适应控制系统,并使用遗传算法对模糊规则和隶属度函数进行了优化。仿真结果表明,优化后车辆稳定性提升明显。最后,为进一步验证本文设计的控制系统的实时性和有效性。首先,基于ADAS测试台架进行硬件在环仿真。以虚拟的交通环境、车辆模型和真实的电子控制单元验证控制系统,结果显示控制系统的实时性和有效性均满足要求。再选择单移线和普通道路工况,基于智能车辆试验平台验证控制系统对真实车辆的控制效果。试验结果显示,中低速下,本文设计的预瞄距离自适应分层式路径跟踪控制系统能够在保证车辆平稳的、准确的跟踪期望路径的同时,有效提升车辆稳定性。根据车辆状态自适应调整预瞄距离的路径跟踪控制系统相对于传统控制器,在保证路径跟踪精度满足要求的同时,有效提升了车辆稳定性,高速双移线仿真下,质心侧向加速度和质心侧偏角分别优化了42.71%和42.75%,效果显著。硬件在环仿真及实车试验证明了该控制系统有效。