汽车在人们生活中越来越重要,带来的交通问题也越来越严重。作为智能交通重要一环的智能车辆,其交通事故率低,道路通行更加高效,受到国内外学者关注。横向跟踪控制是研究智能车辆运动过程的关键技术之一,但横向控制系统存在明显耦合输出。而广义预测控制(Generalized predictive control,GPC)可以利用已知信息在有限时段反复滚动优化,并且其积分作用能够很好的消除稳态误差,具有抗干扰性和鲁棒性,它的预测思想与驾驶员行车思维方式类似,是一种动态控制。因此,本文将广义预测控制器应用于智能车辆的横向控制,并针对性的对控制器进行了改进。具体内容如下:(1)针对二自由度单轨操纵横向控制动力学模型输出耦合的多变量系统,设计了快速求解Diophantine方程的多变量广义预测输出解耦控制器。首先分离输出耦合变量矩阵中与耦合相关的控制参数,并重新定义为对角阵和反对角矩阵的表达形式。其次对受控自回归积分滑动平均模型进行拆分,转化为含耦合和不含耦合两个相关模型,再分别将其与改进的Diophantine方程结合,得到多变量广义预测输出解耦控制器。最后将车辆横向控制模型进行离散化并转换成传递函数矩阵表达式,以满足多变量广义预测输出解耦控制器对模型的要求。(2)针对模型输出耦合现象,设计了广义预测控制最优性能指标函数,在性能指标函数中引入了输出耦合参数,用来消除横向控制模型中输出耦合对车辆运动状态的影响。首先对耦合参数作了对角线上为零的矩阵多项式变换。其次通过求解最优性能指标函数分离出与耦合变化相关联和不相关联的两部分,令耦合变化相关联的部分整体为零,求解引入的输出耦合参数。最后求得最优性能指标下的最优控制输入和最优预测输出。(3)针对智能车辆单入双出的横向动力学模型,改进了矩阵Diophantine多项式方程,对矩阵Diophantine方程进行变形,简化了计算量,提高了广义预测控制器的实时性。首先对矩阵Diophantine方程进行与设计的输出解耦控制器相关的对应耦合项分离,转换为三个矩阵Diophantine方程。然后通过矩阵元素之间的相互对应关系,矩阵转换为仅含单个参数的多项式方程进行求解。最后利用矩阵变换的方式,将计算得到的各个数据重新进行矩阵参数的对应位置排布,组成新的矩阵,即得到矩阵Diophantine方程的矩阵解。最后,将改进的GPC、GPC及PID控制器对智能车辆横向控制进行了仿真对比研究,验证了改进的广义预测控制器的有效性和优越性。