为提高智能汽车轨迹跟踪的实时性和自适应性,提出一种变论域模糊自适应模型预测控制(Variable Universe Fuzzy Adaptive Model Predictive Control,VUFAMPC)方法。采用强跟踪平方根容积卡尔曼滤波(Strong Tracking Square Root Cubature Kalman Filter,ST-SRCKF)算法估计轮胎侧向力,获取实时轮胎侧偏刚度值。在传统智能汽车模型预测控制方法基础上,引入变论域模糊控制(Variable Universe Fuzzy Control,VUFC)方法,设计变论域模糊模型预测控制器(Variable Universe Fuzzy Model Predictive Controller,VUFMPC),再结合ST-SRCKF算法将估计的轮胎侧偏刚度作为VUFMPC的参数,实现控制器参数自适应修正,进而获得VUFAMPC。采用硬件在环试验方法对比分析,发现汽车高速行驶时,相对于模糊模型预测控制(Fuzzy Model Predictive Control,FMPC)方法、自适应模型预测控制(Adaptive Model Predictive Control,AMPC)方法,VUFAMPC的超调量分别优化了11.1%和18.8%,过渡时间减少了46.6%和67.9%;轨迹跟踪试验结果显示,相对于FMPC、VUFMPC、AMPC,VUFAMPC的最大跟踪误差优化了73.9%、68.7%、24.8%,均值误差优化了72.3%、56.1%、28%。研究结果表明:VUFAMPC具有良好的实时性和自适应性,同时有效兼顾智能汽车的轨迹跟踪精度和行驶稳定性。