李 炜，吴麟麟，汪若尘，叶 青

（1.江苏大学 汽车与交通工程学院，江苏，镇江 212013；2. 江苏大学 汽车工程研究院，江苏，镇江 212013）

近年来，随着我国城镇化的持续快速发展，汽车保有量和道路行车密度急剧增大，交通拥堵加剧、交通事故频发等问题日益突出。智能汽车作为智能交通系统的核心及重要组成部分，能有效提升交通运输效率，降低交通事故发生率，成为汽车产业新的发展方向。其中，路径跟踪控制系统作为实现无人驾驶的核心，其性能的好坏直接影响到智能汽车自主驾驶行为的执行效果[1]。

为了提升智能汽车的路径跟踪精度，部分学者对单一的横向控制器进行了改进，ZHANG Kun等[2]提出了一种自适应鲁棒神经元网络横向路径跟踪控制策略，提高了智能汽车在弯道上高速行驶时的跟踪性能。梁艺潇等[3]设计了一种基于神经网络逆系统的控制方法，保证了智能汽车路径跟踪的稳定性。张杰等[4]采用强鲁棒性的滑模控制方法，提高了智能汽车在复杂道路行驶时的自适应性。GENG Keke等[5]提出一种新的容错模型预测控制算法，该算法能够将基于输出误差方差的加权融合算法对多传感器感知系统获取的运动状态信息进行融合，以提高车辆的鲁棒性。

ARDAISHIR等[6]提出一种基于浸入式和不变性控制理论的控制方法，该方法能够有效地应用于自主式地面车辆在大范围工作条件、参数不确定性和外部干扰下的路径跟踪任务。还有一部分学者采取了混合控制的策略，杨阳阳等[7]设计了一种“模糊-纯追踪”的复合控制器，提高了智能汽车对不同期望路径的适应能力。……