自动驾驶技术已经应用于智能汽车、公共交通、快递用车、工业应用等领域,其主要发展方向包括:复杂低速行驶环境（如矿山、建筑工地等）下的辅助驾驶技术和高速行驶速度下的车辆自主驾驶技术。其中,低速自动驾驶车辆具备的轨迹复杂且曲率变化大、运动学特性简单等特点以及高速自动驾驶车辆具备的不确定性、非线性和时变特性等特点,导致车辆动力学的非线性特性显著增强,对系统建模及其算法的自适应和鲁棒性要求进一步提高。自动驾驶车辆运动控制研究正在从常规工况向复杂动态工况扩展,如何解决复杂场景如复杂曲率或者低附着路面轨迹跟踪问题是亟需开展的热点研究问题之一。目前对于低附着路面、高速行驶等复杂工况轨迹跟踪控制研究较少,这显然无法满足自动驾驶车辆的控制需求。自动驾驶车辆关键技术包含车辆所处环境信息感知与融合、组合定位和高精地图、车辆运动行为智能规划与决策以及车辆运动控制。其中,车辆运动控制是根据规划层的规划输出和反馈车辆的自身状态控制车辆底盘执行器的动作,使自动驾驶车辆能够平稳、安全、精确的跟踪期望轨迹。作为自动驾驶车辆的核心问题,运动控制性能表现直接影响行车安全和用户的乘坐体验。因此,开展如何提高复杂路径大曲率变化、低附着路面、高速工况的自动驾驶车辆轨迹跟踪精确性和稳定性的控制算法具有重大的学术价值和工程意义。论文针对复杂环境低速行驶、良好道路工况高速行驶控制车辆轨迹跟踪问题,运用模型预测控制算法,从提高自动驾驶车辆轨迹跟踪精度入手,开展了低速行驶环境下的可变模型预测控制算法、高速湿滑环境下的模型预测控制算法以及控制算法实车验证试验等方面的研究工作。论文的主要研究成果:1、建立了适用于复杂工况下车辆轨迹跟踪的车辆运动学和动力学模型,作为轨迹跟踪控制器模型基础;将所建立模型与Carsim模型在相同输入下比较输出,通过对比输出误差验证了模型的准确性;对比运动学和动力学模型与Carsim模型的误差值,得出了各模型适用速度边界。2、研究了轨迹跟踪精度和模型预测控制器稳定性的影响因素,提出了基于车辆二自由度运动学模型的车辆轨迹跟踪改进算法,构建了优化控制目标。提出了非可行解处理方法,研究车辆横向控制器轨迹跟踪误差的影响因素,获得了车辆初始航向角和抽样时间间隔对车辆轨迹跟踪误差的影响规律;分析车辆在β-r平面稳定性边界,为模型预测控制器设计提供安全和稳定约束设定依据。3、分析道路曲率和车辆纵向车速对车辆轨迹跟踪控制的影响规律,采用分段和微分的基本思想,提出了基于模型预测控制的可变模型轨迹跟踪方法;提高低速行驶环境下复杂轨迹跟踪精度,同时兼顾实时性。在双移线和任意复杂轨迹工况下仿真验证了算法的控制效果,表明了算法的鲁棒性。4、设计了高速行驶工况下轨迹跟踪控制器,提出了湿滑路面下高速行驶车辆轨迹跟踪控制算法,构建了多目标协同控制评价指标,对控制代价函数施加约束。研究了双移线工况和S形工况下,路面附着系数、行驶车速和控制器参数对车辆轨迹跟踪控制效果的影响规律,构建了湿滑路面和控制器硬件水平较低条件下PID和MPC联合控制方法,弥补了单纯MPC控制算法不足。5、在自动驾驶车辆实验平台上,以校园场地为实验环境,开展了自动驾驶车辆轨迹跟踪控制算法实车验证实验,验证了基于模型预测控制的车辆轨迹跟踪算法在直线、圆弧和换道工况下的有效性、跟踪精度和稳定性。