目前,随着人工智能技术、互联网技术的不断发展,高度智能化的无人驾驶汽车将是汽车发展的必然趋势。无人驾驶汽车不仅能有效提高交通运行效率,保证汽车行驶安全性,还可以替代人类完成一些特殊任务。无人驾驶汽车路径跟踪控制是无人驾驶领域的重要研究内容之一,也是汽车自主稳定行驶的重要条件之一。研究无人驾驶汽车路径跟踪控制方法具有重要的实际意义。论文针对目前国内外使用的无人驾驶汽车路径跟踪控制方法进行了分析,总结了多种跟踪控制方法用于实际工程的优缺点;论文根据实际车辆参数在Carsim/Simulink中建立了车辆仿真模型,对其运动学和动力学特性进行分析;论文结合整车模型,研究了传统纯跟踪控制(Pursuit-Tracking)和传统模型预测控制(MPC)算法原理,综合分析该两种算法在实际工程应用上的可行性、可靠性、准确性,针对算法本身的不足对其进行了改进,进而提出了曲率模糊补偿纯跟踪控制算法和基于最大相关熵准则(MCC)的改进型模型预测控制算法,并对该两种改进算法原理进行了详细介绍;论文根据该两种改进算法的相关数学理论,在Carsim/Simulink平台上设计了对应的仿真控制器,结合整车车辆模型对算法进行了仿真验证;论文在MIC7500车载计算机平台上利用ROS/C++软件框架完成了算法编程、优化和调试,从而完成了实车控制器设计;论文在搭建的无人驾驶汽车路径跟踪系统上,利用论文所设计的实车控制器结合GPS惯性导航模块,实现了无人驾驶汽车对期望路径的精确跟踪,达到了预期的设计目标。论文分别介绍了基于Carsim/Simulink平台和实车E70BEV平台的无人驾驶汽车仿真实验系统平台和实车实验系统平台搭建过程,并进行了相应实验研究。仿真和实车实验结果表明:论文所提出的曲率模糊补偿纯跟踪控制方法相比于传统纯跟踪控制在低速工况下具有更高的跟踪精度;论文所提出的基于最大相关熵准则的模型预测控制算法在车辆高速运行工况下仍保持较好的跟踪性能和较强的抗干扰能力,相比于传统模型预测控制具有更强的鲁棒性。