随着自动驾驶技术在量产车上的应用越来越多,让自动驾驶技术覆盖更多驾驶场景成为了技术研究的重点。在汽车发生侧滑的危险场景下,往往需要车辆快速改变行驶轨迹来避免事故或者减轻事故带来的损失。这一极限工况可以参考目前拉力赛或者漂移赛驾驶技巧中的“漂移”。驾驶员让后轮进入侧滑状态有以下几点优势:汽车能够更迅速地改变行驶方向;在同样的过弯速度下,抓地跑法对地面附着的要求更高,漂移跑法可以适应快速变化的地面附着。如果能够按照漂移车手的驾驶风格设计控制算法,实现在这一极限工况下的车辆自主智能控制,在不减速的情况下利用漂移时所产生的动态特性,实现高循迹性过弯,将有助于提高汽车的稳定性边界,提高驾驶安全性和车辆性能。本文依托国家重点研发计划“整车智能化控制及性能提升技术”（编号2018YFB0106203）,以自主驾驶汽车为研究对象,主要研究了汽车漂移行驶的路径追踪控制算法,并设计了仿真试验对算法进行了验证与评价。本文的主要工作内容有以下几点:（1）基于轮速控制设计漂移控制器并完成仿真试验。分别对三自由度单轨车辆模型与四轮车辆模型的漂移平衡进行了建模,分析了不同质心侧偏角情况下的系统状态变量变化情况。三自由度单轨车辆模型可以准确的还原车辆在漂移控制时的系统状态,确立了采用三自由度单轨车辆模型进行漂移研究的技术路线。之后在第三章对三自由度单轨车辆模型进行了平衡态分析,基于横摆角速度-质心侧偏角分析了在车速稳定的前提下,不同前轮转角情况下的系统漂移平衡点性质,也分析了平衡点附近系统状态的变化情况。基于三自由度单轨车辆模型的漂移平衡点分析,采用一阶反馈控制设计了漂移控制器,采用预瞄误差和质心侧偏角作为控制目标,并在后轮侧向力控制上加入了轮速控制。在仿真软件中设计了仿真试验场景,在定圆漂移场景验证反馈控制器的可行性。仿真试验结果表明,本文采用的基于轮速控制的漂移控制器能够准确地完成定圆漂移任务的循迹行驶任务。（2）基于人工经验演示建立深度确定性策略梯度网络,设计了通过强化学习训练的汽车“8”字漂移运动控制算法。为了避免训练前期的探索效率较低的问题采用了专家演示的方式,提高了模型训练前期的训练速度。基于对三自由度单轨车辆模型的研究,建立了基于横向误差、纵向速度、质心侧偏角与横摆角速度的联合奖励函数。通过对训练损失值和最终训练回合的状态变量分析,验证了强化学习算法在漂移平衡点切换的“8”字漂移工况能够准确地实现运动控制。“8”字漂移作为漂移驾驶的基础动作,基于平衡点定圆控制和“8”字漂移可以将循迹控制扩展到平面上的各种复杂轨迹。以此为基础,可以在后续的研究中完成平面内各种复杂轨迹的循迹,最终实现全程侧滑的自动驾驶控制。（3）基于最大相轨迹恢复边界设计强化学习奖励函数,获得了更好的“8”字漂移控制效果。在前一部分的测试结果的基础上,分析了漂移平衡点切换时的质心侧偏角-横摆角速度变化关系。根据不同状态下的状态变量切向量空间,将质心侧偏角-横摆角速度相平面进行了分区,对各个分区的稳定性进行分析。通过每个相平面区域的状态变量切向量空间的分布情况,区分了安全的相轨迹与危险相轨迹。不同的相轨迹确定了最大恢复相轨迹恢复边界,根据相轨迹恢复边界定义了新的强化学习奖励函数。新的强化学习奖励函数帮助提高了模型收敛速度,并且在训练完成后的效果较未添加最大相轨迹恢复边界的训练效果有了明显的提升。