智能车辆技术能够实现车辆自主操纵,使驾驶员的双手从复杂的驾驶环境中得到解放,降低交通事故的发生频率,减少交通拥堵等情况的发生。而路径跟踪则是智能车辆实现其智能化行为的重要环节,同时,对规划的路径进行准确且稳定的跟踪是实现智能驾驶的基础。本文对智能车辆路径跟踪控制问题进行研究。首先,建立适用于低速工况的二轮车辆几何转向模型,同时建立考虑动力学特性的二自由度车辆动力学模型。基于二轮车辆几何转向模型对纯追踪算法展开研究,通过仿真,分析纯追踪算法中预瞄距离取值对路径跟踪性能的影响,提出综合考虑车辆速度与期望道路曲率因素的预瞄距离自适应控制策略,设计预瞄距离自适应纯追踪路径跟踪控制器。基于Carsim/Simulink搭建联合仿真模型,仿真结果表明,该方法在车辆低速情况下的跟踪性能较好,但随着车辆速度的提升,二轮车辆几何转向模型的缺陷开始凸显,车辆路径跟踪性能急剧下降,车辆发生严重失稳。其次,基于二自由度车辆动力学模型对模型预测控制算法展开研究,在模型预测控制算法中引入高斯衰减函数以重新分配预测时域内跟踪偏差权重值及控制时域内控制增量权重值,经仿真分析,确定对路径跟踪性能影响较大的高斯函数标准差取值范围,采用遗传算法对高斯函数标准差进行优化,提出权重矩阵自适应控制策略,设计权重矩阵自适应模型预测路径跟踪控制器。基于Carsim/Simulink搭建联合仿真模型,仿真结果表明,相较于权重矩阵固定的模型预测控制方法,权重矩阵自适应模型预测控制方法在保证跟踪稳定性的前提下,具有更好的跟踪精确性。相较于预瞄距离自适应纯追踪路径跟踪控制方法,两者在低速下的跟踪性能相差不大,但高速下权重矩阵自适应模型预测控制方法的跟踪性能更加优异。最后,为进一步验证所提出的预瞄距离自适应纯追踪控制算法及权重矩阵自适应模型预测控制算法在真实控制器中运行的有效性,采用硬件在环测试系统对提出的两种跟踪控制算法分别进行仿真测试。将被控对象模型进行编译,通过Veristand软件将其部署至NI实时仿真机中。借助D2P平台将Simulink中的两种控制算法分别刷写至真实控制器中,对两种改进控制算法进行硬件在环测试,结果表明,权重矩阵自适应模型预测控制算法及低速下的预瞄距离自适应纯追踪控制算法,均具有较好的跟踪性能。