多智能体系统是指多个智能体为完成某些特定目标而组合形成的,能够相互协作的系统。其中,编队控制是多智能体系统的重要研究分支之一,主要目的是,智能体为完成任务目标,能够保持队形、变换队形或者跟踪预定轨迹等。目前,编队控制已在军事领域和民用领域有着广泛的运用,如军用无人机编队,卫星编队,无人机表演等。本文研究多智能体系统的编队控制与实现方法。首先采用偏微分方程（PDE）建立了多智能体系统整体动力学模型,提出了领导者—跟随者模式下的动态编队算法,实现了分布式编队跟踪控制。然后引入人工势场法,实现了编队运动中的避障。最后,设计并搭建实验平台,利用无人小车验证了算法的有效性。本文的主要内容如下:（1）采用热方程建立了多智能体集群动态模型,在此基础上设计了动态编队算法,采用领导者跟随者模式,热方程边界对应的多智能体定义为领导者,方程域内对应的智能体为跟随者。在编队算法中,领导者知道整体的绕行轨迹和其在期望队形上的相对位置,跟随者只需知道左右邻居在期望队形上的相对位置,即可实现编队跟踪。所提出的编队算法能形成任意连续函数构成的编队队形。运用李雅普诺夫函数方法分析了编队算法的稳定性。随后,利用有限差分法,对所建立的编队算法进行离散化,得到领导者和跟随者分布式控制律。最后,利用MATLAB软件对不同的编队队形进行仿真,并分析跟踪误差。（2）引入人工势场法,与之前所建立的基于热方程的多智能体动态编队算法相结合提出了编队避障算法,实现编队跟踪过程中的避障。在算法中,智能体受到目标轨迹和障碍物的多重影响。当智能体进入到障碍物斥力场的影响范围时,会受到斥力的影响改变速度,从而改变智能体位置,实现避障功能。因避障而脱离原本的运动轨迹后,目标轨迹与实际位置差相应变大,算法能够将智能体快速归位到目标轨迹。随后运用李雅普诺夫函数方法分析了编队避障算法的稳定性,并进行了仿真实验。（3）设计并搭建了编队算法实验平台,利用无人小车验证了上述编队算法的有效性。无人小车由麦克纳姆轮、树莓派和定位模块组成,小车与电脑间是基于ROS系统话题订阅方式实现通信。实现过程中,需要实现小车定位和小车的运动控制算法。采用超宽带定位方法,并运用卡尔曼滤波,将超宽带定位数据与惯导数据相融合,得到更精准的小车位置信息。利用模型预测控制来控制小车跟踪轨迹。在编队过程中,编队算法不断的通过小车实时定位信息计算出下一时刻目标点,再通过模型预测算法控制小车运动,不断循环以形成动态编队。实验结果表明编队控制效果较好,小车在动态编队过程中能够保持住队形不变,也能够躲避障碍物。从实验层面验证了编队算法的有效性。