多智能体系统在人工智能体领域中起到了重要的作用。为了使多智能体系统能够更好的完成不同的复杂工作,在连续的时间内,需要对多智能体系统的分布情况进行实时监测,并且在故障出现时进行定位。本文主要研究三个方面的内容:1,针对多智能体系统的一致性分布进行实时的突变检测;2,针对离散的多智能体系统拓扑结构进行检测,提出一个基于多智能体系统拉普拉斯矩阵特征值估计的模型;3,基于多智能体系统的故障定位问题,提出了连续自适应定位算法。第一,研究多智能体系统的一致性分布的突变检测。一致性分布突变检测是多智能体系统实时监测中的一个典型问题。多智能体系统的一致性分布突变检测包括对多智能体系统的实时检测,以及对多智能体系统的突变时刻的估计。文中提出了利用系统中智能体节点的交互信息形成的一致性矩阵,构造了一种基于广义似然比的一致性矩阵的检测算法,消除了传统算法对信息融合中心的需要。第二,研究多智能体系统的拓扑结构检测。通过拓扑结构估计能够进一步了解多智能体系统内部智能体节点的连接关系。文中利用多智能系统中智能体之间的交互信息,对多智能体系统的拉普拉斯矩阵特征值进行估计。结合基础拓扑结构的拉普拉斯矩阵特征值的特征,实现对多智能体系统拓扑结构的估计,以及对多智能体系统的故障检测。第三,研究多智能体系统故障的定位。系统中智能体节点由于能量耗尽或是电路故障,故障智能体无法与群落中其余智能体保持相应的一致性运动。为了在连续的时间内对故障节点进行定位,利用一个移动的定位智能体到故障目标之间的距离,借助所提出的自适应算法估计故障目标的位置。在自适应控制算法中持续激励条件的满足条件是一个具有挑战性的问题。在满足持续激励条件的基础上,文中进一步讨论了对定位过程中的参数优化问题,由此可以取得更好的故障目标定位效果。研究表明:通过对多智能体系统的进行分布式检测以及相应的故障定位,能够实现对多智能体系统的高品质控制。