我国城市轨道交通因其方便快捷备受人们青睐,但随着我国人口的迅速增加,轨道交通不堪重负,乘车拥堵问题亟需解决;与此同时,现代通信技术的发展也给列车之间进行信息交换提供了必需条件。多智能体编队控制的热度在近些年一直居高不下,它旨在通过系统中各个智能体相互协作来高效的完成任务,所以本文考虑在多智能体的框架下研究多列车协同控制问题,提出基于两种数据驱动控制方法,无模型自适应控制(Model-free Adaptive Control,MFAC)算法与无模型自适应迭代学习控制(Model-free Adaptive Iterative Learning Control,MFAILC)方法的分布式多列车协同控制器,主要研究内容如下:(1)学习研究无模型自适应控制算法、无模型自适应迭代学习控制算法以及几种经典的编队控制方法,分析几种编队控制方法的优劣性,本文基于图论方法,针对非线性的多列车系统,提出基于MFAC的分布式协同控制器,并理论证明所提控制器的收敛性。(2)考虑列车运行任务以及列车运行动力学的重复性,结合图论方法,将无模型自适应控制算法与迭代学习相结合,提出基于MFAILC的分布式协同控制器,并在时间轴和迭代轴上分别证明控制器的收敛性。(3)基于Matlab仿真软件,针对一个包含三列列车的多列车仿真系统,分别用传统PID控制器、PD型迭代学习控制器作为对比方法进行仿真实验,将仿真结果分别与基于MFAC的分布式协同控制器和基于MFAILC的分布式协同控制器的仿真结果进行对比分析。分析结果表明,基于MFAC的分布式协同控制器使得列车速度对于期望速度的趋同更快,基于MFAILC的分布式协同控制器使得列车速度误差在迭代轴上收敛速度更快,说明数据驱动的两种协同控制器的控制效果更优秀。