随着轨道交通的运输需求不断提高,既有线亟需提升线路资源与车辆资源的利用率。虚拟连挂（Virtual Coupling,简称VC）技术可根据运输需求将一定数量具有动力的单元列车以一定顺序及较小间距的形式,通过车-车通信方式编组在一起,形成虚拟编组列车（Virtually Coupled Train Set,简称VCTS）。虚拟编组列车可进一步缩短运行间隔,提升线路资源的利用率,在不建设新线的情况下增加既有线可上线运行列车的数量;同时,可根据运输需求制定列车编组数量与方案以提升车辆资源的利用率,提高满载率并避免空载。为了满足上述需求,虚拟编组列车以稳定的队形运行,使单元列车达到同步运行与作业的能力,是虚拟连挂技术运用的基础,亟待深入探索和研究。然而,考虑到虚拟编组列车内部的最小间距、车辆特性与车-车通信条件带来的安全约束、制动性能差异与延时的影响,以及外部的线路环境条件所带来的限速变化与不确定扰动的影响,虚拟编组列车在干扰条件下无法保持稳定队形运行,从而会降低虚拟连挂技术所带来的效益。因此,如何应对各种干扰条件,使虚拟编组列车能够快速恢复并维持稳定队形运行,提升线路及车辆资源利用率以应对当前技术的瓶颈与未来需求的增长,逐渐成为近年来的研究热点问题。为应对该问题,本文主要研究干扰条件下虚拟编组列车队形稳定的控制方法。根据虚拟编组列车的干扰条件分析,考虑最小间距、制动性能差异、通信延时、限速变化以及不确定扰动等影响因素,设计了相应的控制模型、控制方法与快速优化求解算法,并通过理论分析与严格的数学证明给出了可行性、鲁棒性、单车稳定性与队列稳定性的充分条件,为虚拟编组列车的稳定运行提供了控制方法的理论支撑与应用探索。具体而言,本文开展的工作主要有以下四个方面:（1）建立了虚拟编组列车队形稳定控制的基础理论模型。结合列车自动驾驶系统结构与虚拟编组列车基本特征,构建了基于列车自动驾驶与车-车通信的虚拟编组列车分布式最优控制架构。根据不同干扰条件下的影响因素,提出了虚拟编组列车系统的确定性模型、时变参数模型与不确定性模型。在理论模型的基础上基于滚动时域优化框架进行了最优控制问题的建模,并探讨了模型预测控制（Model Predictive Control,简称MPC）算法应用与稳定性分析的技术路线,为后文控制器的设计提供了思路。（2）针对耦合约束下虚拟编组列车队形稳定的控制问题,本文提出了基于分布式MPC架构的队形稳定控制方法。通过在虚拟编组内部相邻单元列车间引入相对制动距离的最小间距原则,并在设计控制器时将该原则抽象为耦合约束,避免了单元列车由于速度与运行间距的波动而频繁触发紧急制动。采用了分布式控制架构和序列求解算法,对预测时域内相邻单元列车的耦合约束进行解耦,降低了算法复杂度。同时,设计了MPC算法的终端控制器与终端集,推导了控制器参数的稳定条件,并证明了在满足耦合约束条件的同时算法的可行性及渐进稳定性。（3）针对时变异构条件下虚拟编组列车队形稳定的控制问题,本文提出了基于时变参数模型与极大值原理的队形稳定解析控制方法。考虑了存在限速变化的线路条件,建立了时变参数模型用于表征虚拟编组列车在该条件下的运行状态。设计了结合极大值原理与折扣因子的最优解析算法用于模型求解,推导出了最优控制律。该算法可以在扰动及限速变化影响下实现快速求解,无需额外的优化计算,满足虚拟编组列车快速恢复并维持稳定队形运行的需求。基于所推导的最优控制律,分析了时变参数系统的单车渐进稳定性以及制动性能存在差异时的异构队列稳定性条件,并给出了严格的数学证明。（4）针对不确定性扰动下虚拟编组列车队形稳定的控制问题,本文提出了基于Tube的鲁棒集成控制策略与相应的队形稳定控制方法。以不确定系统模型为基础,设计了基于Tube的MPC算法以处理约束和调节不确定扰动。根据鲁棒不变集理论设计了虚拟编组列车运行状态变量与控制变量的约束集,证明了所提出的算法具有输入到状态的单车稳定性,确保了系统状态在有界不确定扰动影响下的波动始终处于比扰动边界更小的Tube约束范围内。为了实现队列稳定性,通过频域分析法推导了控制器参数的稳定域,并分析了通信延时大小与参数稳定域范围的关系,提出了延时影响下的参数调整策略,确保了扰动能量在单元列车间的传播中逐渐衰减。为了提升算法效率,提出了基于事件触发的集成控制策略,相较于传统MPC算法具有更好的鲁棒性及更高的求解效率。