无人驾驶车辆运动控制是实现自主驾驶功能的基础,同时也是无人驾驶车辆平台的核心技术之一,有着重要的研究意义。近年来,以模型预测控制(Model Predictive Control,MPC)为代表的最优控制方法在无人驾驶车辆运动控制领域中得到广泛的研究和发展,已有许多仿真环境及实车试验验证了其作为轨迹跟踪算法的有效性。但目前很多研究未充分考虑算法对环境的适应性,以及控制对象车辆平台的执行机构及系统特点。针对实际应用需求,本文主要解决以下两个问题:一是环境适应性方面,提高MPC控制算法对道路轨迹曲率变化的适应性;二是车辆平台执行机构方面,主要解决车辆平台系统转向执行机构时延对MPC控制路径跟踪控制算法的影响。针对路径曲率变化对跟踪算法的影响,本文提出一种考虑道路曲率变化的模型预测控制路径跟踪算法,此算法以后轴中心到参考路径的距离、车辆航向、轨迹曲率、参考路径航向和参考路径曲率为状态量,以前轮偏角作为控制量建立预测模型,在此基础上建立横向偏差和航向偏差限制的目标函数,同时增加道路几何约束和转向机构物理限制控制量约束,进而用二次规划算法求解带约束的目标函数。针对车辆平台转向机构时延对控制效果的影响问题,本文先对通过下发一系列的期望前轮控制量,并对比反馈的实际前轮偏角,获取时延大小的范围。由时延时间在实际转向过程中不是一个定值,这将给系统模型带来不确定性。针对这种带有不确定性的控制问题,其解决办法基本步骤如下:首先,构造参数时变多面体系统,其次求解参数时变多面体不确定系统的稳定性状态反馈控制率,然后结合原系统约束和反馈控制律构建鲁棒正向不变集作为参数不确定性系统的约束,最后求解时变多面体系统的滚动时域优化问题。本文搭建MATLAB-Car Sim联合仿真平台,设计双移线的仿真场景,完成给定参考轨迹下的轨迹跟踪控制测试,结果表明所设计算法的有效性和稳定性,能有效适用双移线这种曲率变化的道路。最终,在无人驾驶车辆平台上和越野场景中验证了此算法的可行性、稳定性,取得了较好的实际效果。试验证明本文提出的算法能适应各种曲率的道路环境,并在增加时延补偿后,可以有效减少横向跟踪误差。