路径跟踪控制是无人驾驶技术的关键技术之一,对保证路径跟踪性能和车辆行驶安全性至关重要。现有控制器大多是基于固定参数设计的,对不同工况的适应能力不足,如在越野环境高速跟踪复杂路况的场景,难以同时满足跟踪精度和稳定性要求。针对上述问题,本文提出了一种自适应的模型预测控制方法。本文首先基于Frenet坐标系建立了参数化的参考路径模型,引入“魔术公式”对轮胎动力学进行分析建模,继而对车辆侧向动力学进行分析,建立以跟踪误差为状态变量的车辆动力学模型;简要介绍了模型预测控制算法的基础,并进行了线性时变模型预测控制器的设计,然后基于此对控制器设计作了如下改进研究:首先,针对现有模型预测控制器对不同工况适应性不足的问题,本文分析了时域和约束等关键参数对控制器性能的影响,对模型预测控制器进行参数自适应优化,由实验所测得的预测时域和控制时域优化参数建立参数匹配表,推导分析了稳定性范围的转角约束。实际应用时,由无人车实时状态获取车辆速度和道路信息,选择最优的预测时域和控制时域参数,调整转角约束,实现参数自适应机制,从而改善控制器的跟踪性能。其次,针对高速跟踪越野场景路径的典型工况,考虑到地形、土壤条件等未建模的环境因素和模型偏差对控制效果产生的影响,本文设计了一种参数自学习的前馈补偿控制器,与参数自适应的模型预测控制器构成前馈-反馈的控制体系结构,根据无人车实时的状态误差在线更新前馈控制器的学习系数,在误差较大时,快速减小跟踪误差,在保证稳定性的同时,提高跟踪精度。然后,本文搭建了,联,合,仿,真,平,台,设置了双移线典型路经,分别对改进的控制器进行了不同速度、不同滑移工况的仿真验证,仿,真,结,果,表,明,所,设,计的控,制,器在不,同,工,况下都,能较为,稳,定地跟踪参考路径。最后,本文进行了所设计的控制器与传统模型预测控制器在不同滑移工况下跟踪双移线路径的仿真对比实验,并且基于实车平台进行了普通路面和越野场景典型路径工况下的路径跟踪实验,实验结果表明,与传统模型预测控制器相比,所设计的控制器在跟踪精度和稳定性方面都有较大改善。