随着分数阶微积分的发展和整数阶多智能体系统一致性控制研究的深入,分数阶多智能体系统的一致性控制逐渐成为控制领域的一个研究热点。由于环境噪声的影响,多智能体系统的模型参数,如通信网络的邻接权重或智能体的分数阶数等,均可能受到扰动而处于某个区间内。因此,研究具有区间不确定性的分数阶多智能体系统的一致性控制问题具有非常实际的意义。本文将针对具有区间不确定性的分数阶多智能体系统,开展一致性控制问题的相关研究,主要研究内容包括以下几个方面:（1）研究带有区间不确定拓扑的分数阶非线性多智能体系统一致性的迭代学习控制问题。设计分数阶迭代学习一致性协议并通过分析学习过程的收敛性,给出由待设计学习系数和网络拉普拉斯矩阵的不确定特征值表示的一致性条件。基于一致性跟踪误差λ范数的快速收敛构造极小-极大值优化问题,通过求解该优化问题获得最优学习系数,解决网络的区间不确定性引起的学习系数设计困难。分别针对具有区间不确定性的无向和有向通信图,给出最优学习系数的计算方法。（2）研究具有参数耦合的分数阶区间不确定非线性多智能体系统一致性的迭代学习控制问题,其中系统矩阵和输入矩阵均具有区间不确定性,并且分数阶数、系统矩阵和输入矩阵之间存在线性耦合。设计智能体的状态观测器并构造观测器类型的分数阶迭代学习一致性协议。基于分数阶积分的定义,构造能够反映输入误差单调收敛的性能指标。利用类Lyapunov泛函方法分析闭环系统的稳定性,给出一致性的收敛条件,保证一致性跟踪和输入误差单调收敛可以同时获得。（3）研究具有区间不确定阶数的分数阶线性多智能体系统一致性的输出反馈控制问题,其中分数阶数、系统矩阵和输入矩阵均具有区间不确定性,并且三者之间存在线性耦合。利用智能体邻居信息设计输出反馈控制协议,通过分析闭环分数阶多智能体系统的稳定性,给出由2（N-1）个非线性矩阵不等式表示的收敛条件（N为智能体的个数）,保证闭环系统实现鲁棒输出一致性。利用矩阵变换、奇异值分解以及凸函数在定义域边界取得极大值的特征,将一致性条件进一步简化为四个线性矩阵不等式,然后通过求解线性矩阵不等式获得输出反馈增益矩阵。（4）研究一类混合阶数的分数阶多智能体系统一致性的迭代学习控制问题,其中不同的智能体具有不同的分数阶数和不同的动力学函数。通过沿迭代轴设计事件触发机制并将其引入迭代学习控制器,提出了一种事件触发迭代学习一致性协议。通过分析学习过程的收敛性,给出了充分条件,保证当迭代步趋近于无穷时,输出一致性跟踪能够在有限时间区间内实现。同时,在所提出协议的作用下,控制器的更新次数可以显著减少,通信资源得到了明显的节省。