无人驾驶汽车作为车辆工程与智能控制的结合,可以极大的提高车辆的性能以及道路利用率,是汽车领域内一项革命性技术,受到国内外的关注,其在高速环境下的轨迹跟踪的稳定性与跟踪精度问题是目前无人驾驶车辆的关键技术之一。本文针对无人驾驶车辆在高速环境下的轨迹跟踪问题开展研究,提出了一种双输入自适应模型预测轨迹跟踪控制算法,该算法能够在跟踪过程中同时对纵向速度和前轮转角进行实时优化,以实现车辆自主轨迹跟踪控制。首先通过合理假设与简化,应用车辆运动学公式与动力学公式建立三自由度的车辆动力学模型,并对所建立的模型进行仿真验证。应用魔术公式Pacejka94建立轮胎力学模型,通过对纯转向工况、纯制动工况和联合工况的仿真分析,运用小角度假设原理,将复杂的非线性模型进行简化。车辆动力学模型与轮胎模型作为被控对象是无人驾驶轨迹跟踪控制的模型基础。随后阐述了模型预测控制的基本原理,针对速度可变工况下的无人驾驶车辆轨迹跟踪需求创建自适应模型预测控制器Adaptive MPC,并完成双输入、多输出预测模型推导。为了验证Adaptive MPC控制器在轨迹跟踪方面的性能,分别对Adaptive MPC和传统MPC进行轨迹跟踪控制仿真,并对轨迹跟踪结果和跟踪偏差进行对比分析。对避障轨迹规划算法进行了数学描述,并完成五次多项式曲线公式推导与拟合分析。建立以时间变量为参数的三次多项式对车辆纵向速度进行表示,设计基于模型预测的车辆纵向速度控制器。同时完成恒定速度工况与可变速度工况下的仿真与分析。将轨迹规划层与轨迹跟踪控制层相结合,实现基于纵向速度和转角控制的轨迹跟踪控制。最后通过搭建MATLAB&Simulink仿真平台,分析三种不同工况下无人驾驶汽车的轨迹跟踪性能以及对控制模型的评价。仿真工况1:不同速度工况下的仿真对比;仿真工况2:双输入自适应模型预测控制器和传统单输入模型预测控制器仿真对比;仿真工况3:极限工况下的仿真对比。仿真结果表明,采用双输入自适应模型预测算法不仅可以提高车辆轨迹跟踪的稳定性,同时最大限度地提高车辆的机动性能和车辆避障通过率,该算法可为无人驾驶汽车的轨迹跟踪算法设计提供参考。