多智能车系统以效率高、扩展性强、灵活度高的特点,在物资运输、区域巡逻、环境探测等方面展示出了显著的优势。多智能车系统在执行任务时不仅需要考虑编队的队形,还需要考虑在编队行驶过程中各智能车的动态和静态障碍物的避障,因此协同编队与运动规划是研究多智能车系统的关键。协同编队的稳定性、灵活性以及运动规划的有效性,将直接影响多智能车系统的任务效率。本文以三车编队危化品运输为应用背景,构建了智能车的软、硬件系统结构和三维仿真环境;研究了基于领航-跟随法的多车协同控制方法,设计出符合多车系统的领航者运动行为策略和跟随者运动行为策略;另外,在多车系统运动过程中,为了保证协同编队和个体避障的有效切换,设计了智能决策系统,最终形成一套完整的基于动态变换的领航-跟随法。领航者运动行为策略主要实现编队的稳定性及编队整体运动规划。该策略基于领航-跟随法,建立多车编队运动学模型,以领航者和跟随者的速度信息作为模型的输入,角度信息作为模型的输出,提出用于智能车编队的输入-输出反馈闭环控制方法;该策略在Lattice运动规划算法基础上融合矢量地图法用以改进全局轨迹规划,同时改进Lattice算法的碰撞模型和评价函数,应用于多车系统整体运动规划中。跟随者运动行为策略主要解决多车系统中个体避障问题。该策略基于DWA规划算法,对障碍物避障区域及转向角重新设计,并将改进后的DWA算法用于跟随者的个体避障。智能决策系统的设计为了实现跟随者的编队跟随和个体避障的有效切换。决策系统包含信息处理层、障碍物判断层、避障决策层和运动控制层。各跟随智能车可根据传感器采集的障碍物信息,经过各层的处理,决策出跟随者协同编队或自主避障的运动方式,并通过Wi Fi无线通信网络给跟随智能车发送运动指令。为了对上述多智能车编队控制和运动规划算法进行综合验证,分别进行了仿真和实车实验,结论如下:1)基于Matlab仿真平台,对改进的DWA算法通过单车质点模型仿真分析。因改进后的算法重新设计了障碍物避障区域及转向角,使得避障时的转角更平滑;2)基于Matlab仿真平台,通过对多车系统质点模型的仿真分析,验证多车编队控制方法及跟随者策略。依据多车系统生成的编队路径及系统误差,可见该算法能够实现良好的编队稳定性和灵活性;3)基于Gazebo构建了三维仿真应用场景,通过领航者单车实验证明,改进后的Lattice运动规划算法生成的轨迹,运动速度更快,避障效果更佳;4)基于Gazebo构建了三维仿真应用场景,通过三车编队及运动规划实验,证明所提出的动态变换领航-跟随法可实现多车系统在无障碍环境中,保持多车编队稳定行驶;在有障碍物环境中,可根据决策系统的判定选择智能车有效的避障方式;5)本文所提出的算法经实车验证,实现了多智能车的编队控制和动态避障。