[6]。該控制算法在使用過程中，預(yù)設(shè)的路徑和汽車實際行駛的路基相差不大，因此成為了路徑跟蹤控制的主流算法之一。這類控制算法是一種理想化的算法，沒有考慮到復(fù)雜的行車工況和行車環(huán)境，因此無法保證在復(fù)雜工況和行車環(huán)境的路徑跟蹤效果?；陬A(yù)瞄理論的路徑跟蹤控制又可以大致分為以車輛運動學(xué)模型或動力學(xué)模型為基礎(chǔ)的預(yù)瞄跟蹤控制和基于模糊控制理論的預(yù)瞄跟蹤控制兩種。（2）模型預(yù)測控制模型預(yù)測控制，其一開始主要被科研工作人員應(yīng)用于工業(yè)過程控制領(lǐng)域。模型預(yù)測控制的底層算法是一種優(yōu)化求解方法。該種控制算法的具體的實施步驟可以分為a、b、c3個不同的運算階段：a、基于模型的狀態(tài)預(yù)測，這一步的關(guān)鍵是構(gòu)建合理的模型，將當(dāng)前的狀態(tài)作為預(yù)測基礎(chǔ)對未來可能出現(xiàn)的狀態(tài)信息進行預(yù)測；b、有限時域內(nèi)帶約束的優(yōu)化，將上一步預(yù)測的未來狀態(tài)信息進行深度優(yōu)化，優(yōu)化后將獲得很多反饋值，使用優(yōu)化反饋值中最貼近實際的優(yōu)化反饋值進行控制；c、反饋校正，把優(yōu)化反饋值中最貼近實際的優(yōu)化反饋值的實際控制效果作為信息返回到階段a，重新預(yù)測未來的狀態(tài)信息，并且對新獲得的狀態(tài)信息進行深度優(yōu)化，不斷循環(huán)這一步驟，直至獲得最優(yōu)值。參考文獻[1]張思遠.智能汽車路徑規(guī)劃與跟蹤控制仿真研究[D].吉林大學(xué),2018.[2]STEVENA.Neweyeontheroad[J].SAEAutomotiveengineering,2017(3):2-3.[3]藺夢圓,唐倩,李戈,羅育洋,李燚,范秋壘,楊愛平,張鵬輝.基于粒子群算法的平面雙道噴涂軌跡規(guī)劃研究[J].機械工程師,2021(06):25-27+30.[4]小黑醬.承上啟下淺談汽車變速箱[J].汽車之友,2021(10):46-63.[5]陸亮.三維空間移動機器人路徑規(guī)劃技術(shù)的研究[D].合肥工業(yè)大學(xué),2017.[6]馬瑩，李克強，高峰等.改進的有限時間最優(yōu)預(yù)瞄橫向控制器設(shè)計[J].汽車工程，2016，28（5）：433-438.[7]余志生.汽車?yán)碚揫M].北京：機械工業(yè)出版社，2020：170-172.[8]龔建偉，姜巖，徐威.無人駕駛車輛模型預(yù)測控制[M].北京：北京理工大學(xué)出版社，2017：18-20.[9]朱偉達.基于改進型人工勢場法的車輛避障路徑規(guī)劃研究[D].江蘇大學(xué)，2017.[10]劉文之.基于激光雷達的SLAM和路徑規(guī)劃算法研究與實現(xiàn)[D].哈爾濱工業(yè)大學(xué),2018.[11]何海洋.工業(yè)機器人無碰軌跡規(guī)劃算法研究[D].華南理工大學(xué)，2014.[12]姚俊，馬俊輝.Simulink建模與仿真[M].西安：西安電子科技大學(xué)出版社，2002.[13]郭梟鵬.基于改進人工勢場法的路徑規(guī)劃算法研究[D].哈爾濱工業(yè)大學(xué)，2017.[14]明廷友.智能汽車的軌跡