全国汽车保有量的不断增加,会带来道路拥堵、事故率上升等一系列交通问题。因此,事故率低,道路通行效率高的智能交通系统（Intelligent Traffic System,ITS）被提出,众多学者对此进行深入研究。无人驾驶车辆作为ITS的重要组成部分,其操纵控制尤为重要。车辆操纵控制的关键是建立准确的动力学模型和设计合理的控制器。车辆操纵控制系统是受多约束限制的多变量非线性系统,而模型预测控制（Model Predictive Control,MPC）善于处理多约束问题。因此,本文在提出车辆五自由度操纵动力学模型的基础上,将MPC应用于无人驾驶车辆的操纵控制,并引入自适应控制。本文具体内容如下:（1）为了描述车辆在复杂路况下的实际运动情况,本文在车辆轮胎模型公式的基础上,利用拉格朗日方程（Lagrange Equation）法,建立了基于侧向、横摆、侧倾、俯仰和方向盘转角的车辆五自由度操纵动力学模型。首先详细推导Lagrange Equation中各变量,总动能包括悬架部分、车身部分和转向系统的动能;对于势能,由于车身发生侧倾和俯仰时,悬架仍表现为线性特性,车身势能由其侧倾和俯仰的势能叠加而得,同时考虑了转向势能;耗散能兼顾了整车的转向耗散能和车身耗散能;广义力考虑了车辆侧向、横摆、侧倾、俯仰和转向的广义力。然后把车辆的总动能、势能、耗散能及各广义力代入Lagrange Equation,建立了车辆的五自由度动力学模型。（2）由于MPC在复杂路况下鲁棒性较差,因此本文设计了自适应预测控制器（Adaptive Model Predictive Control,AMPC）。首先,对车辆五自由度模型采用基于参考系统的线性化方法,从而得到连续的状态方程。其次,采用一阶差商法对连续的状态方程进行离散化处理,得到非线性五自由度动力学模型在任意一个参考点处线性化后的离散模型。最后,对MPC进行改进,采用递推最小二乘法对车辆的刚度参数进行辨识,设计AMPC。（3）仿真研究。针对车辆五自由度动力学模型,引入车辆参数,利用Matlab/Simulink/Car Sim进行联合仿真,仿真结果表明了所建立动力学模型是准确的。针对自适应MPC,在S-Turn工况下和双移线工况下进行联合仿真,通过AMPC和MPC对无人驾驶车辆（Self-driving Vehicle,SV）控制效果的对比研究,得出了AMPC比MPC的路径跟踪效果更好,车辆运行更稳定的结论。