随着社会的进步以及汽车产业的不断发展,巨大的汽车保有量对资源、交通、环境带来一定的压力。在传统的驾驶行为中,安全因素是驾驶员系统中最薄弱的环节。智能汽车的出现,极大地缓解了传统汽车所带来的社会问题。研究和发展智能汽车不仅符合当前万物智能化的趋势,也是提高人们智慧,确定安全出行的重要保障。智能驾驶包含三个方面的技术,环境感知、决策规划和跟随控制。作为控制层部分,路径跟踪是实现车辆智能化和实用化的先决条件,也是智能驾驶技术核心价值的体现。因此实现全自主无人驾驶车辆在复杂工况下的路径跟踪控制具有十分重要的意义。本文主要对智能汽车的路径跟踪控制问题展开研究。首先建立了车辆的七自由度动力学模型,并用Pacejka’89魔术公式来描述车辆的轮胎模型,通过仿真分析证明所建立的模型能够满足智能汽车路径跟踪控制实时性和稳定性的要求。提出了 一种基于最优预瞄理论的路径跟踪控制器。将车辆的路径跟踪控制问题解耦成纵向速度跟随控制问题和横向轨迹跟踪控制问题。分别从预瞄误差模型、航向角偏差的计算等方面将期望前轮转角转换成最优方向盘转角输入,设计了系统的横向轨迹跟踪控制器。采用基于模式切换的速度控制系统和通过油门/刹车系统来控制加速度的输入,设计了系统的纵向速度跟随控制器。在预瞄跟踪控制器中引入了基于预瞄误差补偿的PID反馈控制,对于预瞄距离的选取加入了预瞄时间自适应的模块。通过仿真分析验证了控制器在三种路径及不同工况下的跟踪性能,结果表明高附着条件下具有良好的跟踪效果,而低附着下车辆的稳定性较差,且跟踪精度不高。提出了一种基于滑模变结构控制的路径跟踪控制器。基于车辆的自行车模型设计了车辆的模糊-滑模纵横向耦合跟踪控制器,控制输入选择车辆横摆角速度的函数,滑模面为车辆的横摆角速度误差。为了削弱滑模控制器的抖振现象,同时又能保证系统的控制性能,设计了模糊控制器来调节滑模控制器趋近律的大小。最后在联合仿真平台下对所设计的模糊-滑模路径跟踪控制方法进行了验证分析,结果表明该控制器适用于车辆在低中速下的行驶,具有很高的跟踪精度,而在高速条件,车辆容易导致失稳现象。提出了一种基于模型预测的路径跟踪控制器。选择车辆的七自由度动力学模型作为算法的模型基础。为满足算法实时在线优化的要求,建立了基于线性时变模型预测的跟踪控制方法,设计了以控制增量作为状态量的优化目标函数,将目标函数转化为QP问题保证优化目标有解。同时在纵横向耦合控制器的设计中加入了侧偏角软约束,以此来提高车辆的路径跟踪性能。通过仿真分析对所设计的模型预测控制器进行了验证,结果表明加入侧偏角软约束的模型预测控制器能很好地适应不同车速、不同路面附着条件下的跟踪行驶。最后,在Carsim/Simulink联合仿真平台中,对三种路径跟踪控制算法进行了仿真对比,结果表明,预瞄控制器只适合车辆在高附着路面下的跟踪行驶,模糊-滑模控制器适合车辆在低速和中速下的跟踪行驶,具有最高的控制精度,且对路面附着系数的极限工况下具有很强的适应能力。而加入侧偏角软约束的模型预测控制器在智能汽车应对不同车速、不同道路附着条件的跟踪问题上具有独特的优势。