随着汽车拥有率的不断提高，交通拥堵和尾气污染等问题也日益严重，为了改善这种情况，车辆协同编队控制作为智能交通系统的一个重要研究方向，在近几年受到了很大的关注，这是由于它在道路运输方面有着巨大的潜在效益，通过车辆编队控制，能够有效提高道路车辆密度，缓解交通拥堵;还可以主动控制车辆避免碰撞，提高交通的安全性;同时避免不必要的刹车和提速，进而减少尾气排放，实现节约能源保护环境的效果^[4]。

车辆协同编队控制的首要目标是确保队列内的车辆在连贯的车流之间维持预设的距离并以相同的速度运动，最早的队列控制可以追溯到十九世纪八十年代加州的“PATH”计划，提出了许多有关传感器与执行器、控制结构、非集中控制、队列稳定等方面的著名论题^[1]。随后越来越多的队列控制问题被提出，例如间距跟随政策的选择，通信拓扑结构的影响，动态异构的影响。近些年，在多智能体一致性控制的架构下，部分先进的队列控制定理被提出。其中大部分为了方便理论的完整性采用的是线性动力学和线性控制器，而不对输入约束和非线性模型进行说明，然而二者确实存在于由于执行器饱和特性和动力系统、传动系统、空气阻力等存在显著非线性性的更精确的问题描述中.此外车与车之间的信息交流技术迅速发展，如专用短程通信技术（DSRC）和车辆自组织网络（VANET）,从而产生了各式车车通信拓扑网络，如PF、PLF、TPF、TPLF等^[5]。因此目前的编队控制问题也需要考虑通信拓扑网络的影响。

模型预测控制从上世纪70 年代问世以来, 已经从最初在工业过程中应用的启发式控制算法发展成为一个具有丰富理论和实践内容的新的学科分支^[9]。 预测控制针对的是有优化需求的控制问题, 30 多年来预测控制在复杂工业过程中所取得的成功, 已充分显现出其处理复杂约束优化控制问题的巨大潜力。而针对编队控制这种大规模的数据系统，传统的集中式控制对计算机的性能要求会非常高，并且系统的灵活性（容错率）较低，故采取分布式控制器，提出分布式模型预测控制（DMPC），将大规模的在线优化问题转化为各智能体小规模的分布式优化求解, 从而减小了计算负担, 提高了算法的实用性^[10]。

本文将提出一种实用的车辆协同编队控制方法，在分布式模型预测控制（DMPC）的架构上综合考虑非线性系统和各式车辆通信拓扑结构的影响，并通过matlab/simulink完成仿真实验分析。

2. 研究的基本内容与方案

2.1研究的基本内容

⑴完成车辆的运动学和动力学模型建立，并在Matlab/Simulink环境中搭建模型完成仿真验证；

⑵设计模型预测控制器，完成单一车辆的运动跟踪控制与仿真；

⑶建立分布式模型预测控制器，完成车辆编队控制仿真，并尝试引入车辆通信拓扑网络；