多智能体编队控制广泛应用于无人机编队协作、传感器网络、数据融合、交通车辆控制等领域,可进行军事巡逻、能源勘探、地图绘制、协同救援等工作。多智能体编队控制是指通过分布式协同控制方法,使得多智能体系统形成期望队形,并在期望队形上保持稳定。针对上述问题,本文采用偏微分方程（PDE）建立多智能体系统的集群动力学模型,描述包含智能体之间交互关系的系统整体动力学特性。运用无穷维Backstepping方法设计边界控制器,使得集群整体运动到期望队形上。采用领导者-跟随者的控制模式,设置边界上的领导者作为整个群体的驱动者,驱动整个系统形成编队队形,并通过领导者重新驱动实现不同期望队形之间的变换。通过Lyapunov函数法,证明了该闭环系统在L2范数下的稳定性。进一步,搭建了无人小车集群的实验平台,运用一组轮式无人小车,实现了所提出的理论算法,验证了算法的有效性。实验中,使用Link Track超宽带（UWB）模块实现定位功能,运用卡尔曼滤波算法以提高定位精度,采用模型预测控制（MPC）实现对无人小车位置和角度的运动控制。本文研究内容主要包括以下两个方面:（一）多智能体编队控制系统的建模、控制算法设计与仿真。首先,定义了2-D平面上的智能体位置特征表达,并基于领导者-跟随者的思想设计了链式通信拓扑结构。该结构中有两个领导者,其中一个领导者具有驱动作用,需要获取所有智能体的信息并部署控制器来驱动跟随者移动。另一个领导者具有队形定位的作用。其余的智能体为跟随者,跟随者只需要获取本地信息以及与邻居智能体的相对位置信息。然后,采用PDE对领导者-跟随者模式的多智能体系统进行建模,基于PDE模型运用无穷维Backstepping边界控制方法设计控制器,通过Lyapunov函数法,验证了该闭环系统在L2范数下的指数稳定性,离散化后得到领导者和跟随者智能体的控制律。最后,通过Matlab数值仿真实现了多智能体的期望编队控制和队形转换控制。（二）基于无人小车集群的实验验证。搭建了六辆无人轮式小车组成的集群系统实验平台,实现了领导者-跟随者分布式控制算法。以树莓派为板载电脑,用于完成小车的运动控制以及底层驱动。以PC为上位机,用于完成小车目标位置的发布并实时显示小车位姿。利用Link Track UWB技术实现小车的定位并运用卡尔曼滤波算法提高定位精度。PC端在接收到小车定位数据后,在分布式控制律的作用下计算得到小车目标位置并发布给小车端。小车端以小车前向速度,横向速度和角速度为控制输入,采用MPC控制方法驱动小车底层的电机,通过四轮的转速调节,实现小车的角度和位置运动控制并完成位置更新。整个实验的数据传递是在机器人操作系统（ROS）中以话题发布/订阅的方式完成。最终,分别通过单集群以及双集群下的无人小车实验,实现了无人小车集群的期望队形收敛以及队形转换过程,验证了该分布式编队控制算法的有效性。