无人车轨迹跟踪与避障控制问题一直是无人驾驶系统中的热点问题,是无人驾驶技术的核心研究内容,该方面的研究对提高道路行驶安全具有重要意义。预测控制(Model Predictive Control,简称MPC)由于其模型预测、滚动优化、反馈校正的鲜明特点,使其成为目前公认处理复杂系统多变量约束控制的有效算法。无人车系统是一个典型的多变量耦合系统,相比于其它算法,预测控制具有天然的优势。因此,本文在模型预测控制框架下,进行无人车的轨迹跟踪与避障控制研究,主要研究成果如下:(1)建立小角度假设下的无人车动力学模型,利用该模型设计了基于非线性预测控制的无人车轨迹跟踪控制算法。实验结果表明MPC算法能够精准的跟踪预定轨迹。(2)针对基于非线性控制的无人车轨迹跟踪算法计算耗时大的问题,提出了基于多步线性化预测控制的无人车轨迹跟踪算法。该算法在无人车标称运动轨迹附近采用多步线性化策略计算最优控制序列,并采用迭代策略进行无人车标称运动轨迹的估计。与非线性MPC和单步线性化策略相比,仿真结果表明该方法能够大大降低算法运算时间,并具有很高的跟踪精度。(3)针对传统无人车双层避障控制算法设计复杂、占用运算资源多的特点,提出了基于模型预测控制的单层无人车避障策略,将障碍物信息以惩罚函数的形式加入到优化命题中,并设计了基于泰勒展开的无人车避障算法以及基于双线性插值的无人车避障算法。实验结果表明,单层的无人车避障算法能够在尽量不偏离原始轨迹情况下,顺利的避开目标轨迹上障碍物。