随着工业系统的不断发展,研究者们在生产生活中逐渐发现单一的智能体在工作时往往无法满足日益增长的生产需求,于是关于多智能体系统一致性算法的研究迎来了一波热潮。尤其是在人工智能时代来临的大环境下,多个简单的智能体相互配合,从而完成更为繁重的工作就变得非常重要。随着数学、计算机等基础学科的发展,关于多智能体系统一致性算法的研究也取得了很大进步。为了改进集中式控制中需要中心节点、对信息需求高的缺点,分布式一致性控制算法被提出。其核心是在没有中心节点进行协调的情况下,智能体在只采用局部信息、只与邻居节点进行数据交换的情况下,仍然能够实现一致性目标。多智能体系统分布式一致性算法的关键在于为系统中的每个智能体都设计出一个合适的分布式控制协议,通过控制协议的作用,使整个多智能体系统的运动状态随着时间的推移而趋于一致。其中,稳定性与准确性是每个控制协议所必须要满足的基本性能,在快速性上,研究者们以已有的大量的渐近时间一致性结果为基石,提出了有限时间一致性算法以及固定时间一致性算法,从而让多智能体系统能够更快地达成一致。在只考虑快速性的情况下,为了更快地让多智能体系统达成一致,往往需要给予系统较大的输入量,但在实际生产生活中,过大的控制输入其实是难以达到的,因此饱和受限的问题开始受到广泛的关注。饱和受限问题的考虑让一致性算法跳出理想环境的局限,更加能够应用到实际系统中。不仅如此,为了更好地让多智能体系统一致性算法能够被应用到环境复杂的实际系统中,鲁棒性问题也一直是研究者们倍加关注的一个研究热点。本文聚焦多智能体系统一致性算法的快速性、鲁棒性、饱和受限等问题,进行深入分析和研究。本文主要的贡献及创新如下:（1）针对领导者-跟随者多智能体系统,为了更好地解决控制算法的鲁棒性问题,本文首先提出一种分布式预设时间扰动-故障观测器用于观测系统中的扰动以及执行器故障。该观测器能够同时跟踪观测系统受到的扰动量和故障量的总和,使得观测误差可以收敛到一个合理、可控的范围内,并且其收敛时间可以提前、离线地进行设定。然后,设计一种分布式预设时间状态观测器,用于为每个跟随者智能体在预设的时间内获取领导者的状态信息。（2）对于多智能体系统,在具有观测器并存在一定的观测误差的情况下,本文提出一种饱和受限下的多智能体系统预设时间一致性算法。在观测器尚未跟踪到扰动及执行器故障的数值时,控制器能够保证多智能体系统不会发散。在观测器成功观测到扰动和故障的数值后,即使其具有一定的观测误差,该控制器能够让多智能体系统的跟随者在某个时间内跟踪上领导者的运动状态,并且这一时间仍然是可以提前离线地进行人为设定。更为重要的是,考虑到实际系统中能够给予的输入都是有限的,在指定的输入上限范围内,提出的控制算法仍能完成上述工作,并提出了能够完成预设时间一致性控制的最小预设时间值。（3）在研究多智能体系统预设时间一致性算法时,本文针对其在预设时间点附近存在的跳变问题,对预设时间稳定性结果进行改进,提出一种前置时间一致性控制算法。所提出的前置时间一致性算法不仅解决了预设时间一致性算法的跳变问题,其控制曲线相较于预设时间一致性算法也更为适合实际系统。同样地,本文仍在其中考虑了饱和受限问题,让整个控制过程能在规定的输入量范围内完成,并给出了能够满足前置时间一致性控制的最小前置时间值。设定的稳定时间也不依赖于初始条件或其他难以获取的信息。