车辆编队技术是智能网联车辆协同控制的关键技术,可以有效地降低因为疲劳驾驶、驾驶员误操作等人为因素导致的交通事故;另外车辆编队技术通过减小车间距离,降低了队列高速行驶时的空气阻力,进而可有效减少燃油消耗和尾气排放。考虑到车辆队列纵向行驶过程的安全性、一致性和乘坐舒适性等条件,传统的控制算法往往难以达到车辆编队系统的要求。所以,本文采用能够有效的处理多目标与系统约束的模型预测控制方法,对纵向行驶车辆编队系统进行仿真实验来验证所设计的控制器的有效性。本文首先对车辆的纵向动力学进行简化,随后根据纵向跟车运动学模型,建立车辆队列的状态空间模型,采用分层控制方案来实现编队控制。上层采用模型预测控制求解出期望加速度,下层采用前馈加反馈的控制方法,跟踪上层控制器给定的期望加速度。然后,基于分布式模型预测控制原理,将车辆编队的优化问题转化为带约束的二次规划问题,将安全性、乘坐舒适性等性能问题转化为约束;并设计了基于纳什迭代的分布式模型预测控制器,利用多次迭代与通信,使整个车辆队列达到纳什均衡。最后,为了解决多次通信与迭代所带来的巨大的通信与计算负担,以及车辆编队的串稳定性问题。采用“虚拟”状态轨迹来替换多次通信,同时在优化问题中加入保证串稳定性的约束,使得车辆队列在出现瞬态误差的情况下,可以保证车间距误差并不会随着车辆队列的传播而增大,并从理论上进行了证明。最后通过Carsim/MATLAB联合仿真,验证所设计的分布式模型预测控制算法的有效性。