随着科技的进步,无人驾驶技术已经成为当前汽车领域研究的热点。无人驾驶汽车可以极大地减少交通事故发生、解决交通安全问题、减少能源消耗,并能在恶劣的情况下,如:救援抢险、拆除爆炸物、污染区作业等代替人类工作。车辆的横向控制作为无人驾驶技术中的一项非常关键的技术,其控制的好坏直接决定无人驾驶汽车路径跟踪的成败,受到国内外研究机构的关注和重视。本文针对FSAC(中国大学生无人驾驶方程式大赛)赛车在赛场环境的特定场景下研究了车辆决策层的横向控制算法,旨在保障赛车能够稳定地跟踪设定的轨迹,圆满完成比赛任务。首先根据FSAC赛车的规则和比赛要求,分析出赛车的控制功能需求,根据需求设计了赛车底层转向控制的外围电路并对转向控制算法进行了设计。再考虑低速和高速情况下赛车对赛道的路径跟踪,以运动学模型、动力学模型为基础,采用MPC(模型预测控制)算法,结合约束条件,设计了横向控制器。接着详细推导了算法相关公式,提出将控制器的目标函数设计的优化问题转化成二次规划问题求解进行研究。最后利用Simulink和Carsim软件,在Carsim中对车辆模型和工况进行参数设定,设置车辆输入输出端口,在Simulink中搭建控制算法进行联合仿真。分别在低速和高速下用不同工况验证了控制器跟踪可靠性和稳定性,并通过简化的运动学和动力学模型,使控制算法模型简化,提高了算法的实时性。仿真结果表明,在赛道工况下车辆能进行很好的路径跟踪,同时有较好的稳定性和可靠性。最后对横向控制算法进行了实车验证,结果显示设计的控制器在不同工况下具有良好的鲁棒性和适应性,满足FSAC比赛要求。