最近,来自工程和科学各个学科的研究学者对多智能体网络的协同控制问题表现出极大的研究兴趣。研究的领域包括一致性、耦合振子同步、渐近分布式算法、群集的集体行为、多智能体网络代数连通度、多机器人系统编队控制、传感器融合、随机网络、动态拓扑结构、协调任务的复杂性、基于优化的协同控制以及贝叶斯网络中基于一致性的置信传播等。一致性问题作为协同控制中最重要的分支在现实网络控制中起着至关重要的作用。在过去的几十年里,一致性作为多智能体网络研究的主流问题已经吸引了来自科学和工程各个研究领域内学者的广泛关注。尽管已经有了大量的研究工作,但先前的工作都是基于连续时间的反馈控制技术,这种技术有着一个明显的不可避免的缺点:设计的控制器需要实时更新,这就要求网络节点必须配备高性能处理器和高速度通信链路。在许多的现实应用中,网络中的节点向它们的邻居节点发送信息(比如位置、速度、信息头)时并不是连续的,而是在一些离散的时间点上。因此,急需研究一种新的方法来克服上面这些问题,同时还要保持较好的稳定和收敛性质。在如何进行信息采样而达到控制的目的上,事件触发控制机制提供了一个新的手段。在一个网络中,自治节点只有在必要时才会向它的邻居节点发送它的本地状态信息,也就是说,只有当本地节点的测量状态误差到达指定的阈值时才会向外发送状态信息。Tabuada开创性地提出了一个事件触发条件,这个条件是基于状态和状态误差的,这里的状态误差即最新的测量状态减去节点的当前状态。在该机制中,控制器接收到的邻居测量状态保持不变直到下一个新的测量状态到来。当这种情况发生时,误差被重置为零并且重新开始增长直到它触发下一个新的事件而产生测量状态更新。本论文的主要贡献就是将事件触发机制引入到多智能体网络的牵引一致性控制中,并且进一步地提出了一些改进方法使得该机制在实际部署时能够提高性能。本论文主要内容归结如下:首先,本文简要地介绍了多智能体网络中的事件触发机制,包括集中式事件触发控制方案和分布式事件触发控制方案。在这些工作中,尽管事件触发策略使得控制器避免了实时更新和连续通信,但这也带来了相应的代价,那就是每个智能体必须收集它邻居节点的实时状态来计算触发函数并判断事件是否触发。换句话说,从智能体个体的视角看,通信仍然是实时连续的。其次,针对上述存在的不可避免的缺点,我们对带有非线性动力学特征的有向多智能体网络的牵引控制一致性问题提出一个新颖的事件触发方案。所提出的这个方案是一个改进的事件触发机制,在该机制中,事件判断仅仅依赖于邻居节点的测量状态而不是实时状态,这就使得驱动更新次数和通信负载相比之前的事件触发机制会进一步减少。通过这个技术改进,我们很好的解决了连续时间反馈问题,并且在多智能体网络的牵引一致性控制中实现了减少通信量的目的。此外,考虑到通信带宽的限制,我们还进一步开发了一个可替代的分布式迭代算法用来提前确定每个节点的事件触发时间,这种方法有效地避免了事件时间的判断使得整个网络能够在一定程度上消耗更少的宝贵的计算和通信资源。