近年来，多智能体系统的协同控制由于在实际中的广泛应用而受到国内外研究人员的热切关注，是控制科学的研究热点之一。一致性问题是多智能体系统协同控制的基础，邻居智能体间的通信是实现一致的必要条件之一。考虑到受网络带宽、通信能力限制，本文以非线性多智能体系统为研究对象，将采样控制和事件触发控制相结合，研究了基于采样数据事件触发机制的多智能体系统的一致性问题，避免了对事件触发条件的连续检测和Zeno现象。根据系统中是否存在领导者，多智能体系统可以分为有领导者和无领导者多智能体系统，对于后者，系统能否趋于一致与网络拓扑有着密不可分的关系，本文针对无领导者多智能体系统，讨论了其在强连通和包含有向生成树网络下的一致性问题。神经网络是对生物神经系统的数学化，是一种典型的高度非线性系统模型。由于神经网络模型在模式识别、系统辨识、信息处理、智能控制等领域有着广泛的应用前景并受到很多学者的研究，本文最后选取带时滞的耦合神经网络系统模型，分析其在事件触发机制下的一致性问题。　　本文主要研究内容包括:　　(1)针对强连通网络，首先研究了基于周期采样事件触发控制协议的无领导者非线性多智能体系统的一致性问题，旨在减少智能体间的通信和控制器的更新。根据网络拓扑的性质，引入虚拟领导者，基于Finsler引理和Lyapunov稳定性理论得到使得系统达到一致的充分条件;其次通过选取特殊的事件触发条件加权矩阵和控制器反馈增益，给出了低维的稳定性判据;进一步给出了控制器反馈增益和事件触发条件加权矩阵的设计方案。　　(2)考虑实际应用中采样频率的随机性，研究了基于随机采样事件触发机制的无领导者非线性多智能体系统的一致性问题，基于Finsler引理和Lyapunov稳定性理论，分别给出了在强连通和包含有向生成树两种拓扑下使得系统达到一致的充分条件;另外在不考虑事件触发条件下，得出系统在随机采样控制下的一致性推论。　　(3)研究了基于组合测量事件触发机制下带时延耦合神经网络系统的一致性问题。设计一种基于邻居节点间组合状态误差的分布式采样事件触发机制，分别讨论了系统在强连通和包含有向生成树拓扑下的一致性问题;进一步针对一般非线性系统，得出了低维的一致性推论。