自主车辆队列控制是缓解道路拥堵、降低交通事故、减轻环境污染、提升公路系统运行效率及安全性的一种重要途径。本文根据自主车辆队列控制研究的发展现状、工程实际应用的基本要求及存在的主要问题,分别讨论了不确定运行阻力情况下、受限状况下和基于位置信息的自主车辆队列控制问题,通过构建自主车辆队列控制的数理模型,针对不同约束条件下的协同控制模型进行校正与优化,设计了相应的协同控制算法,并通过仿真实验的方式验证所提算法的有效性及稳定性。本论文的主要工作和取得的研究成果有以下几个方面:1.分析了自主车辆运行过程中的行驶阻力,考虑了不确定运行阻力对自主车辆队列的干扰,构建了自主车辆队列模型,基于自适应滑模控制理论,设计自主车辆队列自适应滑模控制算法,实现了不确定性车辆运行阻力参数的自适应辨识,使得本文提出的控制器可以在不确定运行阻力的干扰下,实现自主车辆队列对给定的速度-距离跟踪控制;在此基础上,本文进一步讨论了时变运行阻力下的自主车辆编队问题,并提出相应的协同控制方法,设计了时变运行阻力干扰下的自主车辆队列自适应滑模控制器,实现了对时变运行阻力参数界值的自适应辨识,使得所设计的控制器能够实现对给定速度-距离曲线的跟踪控制。最后,通过仿真实验验证所提算法的有效性及稳定性。2.考虑了控制输入饱和及车辆速度受限下的自主车辆队列控制问题,提出反饱和补偿信号用于补偿控制输入饱和时产生的误差累积。首先为车辆队列模型加入控制输入限定条件,结合反饱和补偿信号,优化自主车辆队列模型。基于自适应滑模控制理论,设计自主车辆队列抗饱和自适应滑模控制算法,实现了在控制输入饱和情况下的自主车辆队列控制;在此基础上,考虑了车辆速度受限情况,依据前文的反饱和补偿思想,优化自主车辆队列模型,使其同时包含控制输入饱和车辆速度受限的特性,并设计了自主车辆队列抗饱和自适应滑模控制算法,实现自主车辆队列对给定的速度-距离跟踪控制。最后,通过仿真实验验证所提算法的有效性及稳定性。3.为了减少自主车辆队列的通讯负载,考虑仅基于位置信息的自主车辆队列控制。首先,基于RBF神经网络模型,对不确定运行阻力通过RBF神经网络进行学习,优化了自主车辆队列模型,实现了车辆运行阻力的自学习,并进一步提出了自主车辆队列神经网络自适应滑模控制器,实现了在车辆运行阻力无法精确建模情况下的自主车辆队列控制,所设计的控制器能够实现对给定的速度-距离曲线进行跟踪控制;在此基础上,为了避免控制器对信息量需求带来的传感器负载及通信过载问题,采用高阶滑模观测器,通过位置信息对速度及加速度信息进行观测,简化了控制器所需信息,提出了基于位置信息的神经自适应滑模控制器,实现了仅基于车辆位置信息的自主车辆队列控制。最后,通过仿真实验验证所提算法的有效性及稳定性。