已有的多智能体系统一致性控制研究大多局限于个体动态为一阶积分器和二阶积分器的分析和综合。然而现有理论成果所采用的低阶线性化模型过于简单,忽略了实际物理系统中存在的高阶、非线性等特点,以至于无法精确描述系统动态特性,从而导致多智能体理论研究与实际应用的脱节。本论文以高阶非线性多智能体系统一致性控制为主线,研究了几类高阶非线性多智能体系统在不同非线性条件下的一致性控制问题。围绕如何在传统非线性理论的基础上设计分布式控制器,拓展非线性控制理论的适用范围与提高非线性多智能体系统鲁棒性等问题,在Backstepping框架下提出了高阶非线性多智能体系统的分布式自适应控制器、分布式鲁棒控制器、分布式自适应鲁棒控制器以及上述控制器设计方法的综合。首先,研究参数不确定情况下一类高阶非线性多智能体的一致性控制问题。根据系统模型的特点,在传统Backstepping方法的基础上耦合入智能体网络拓扑约束,建立多智能体各级动态的分布式误差系统,逐步将高阶多智能体控制问题转化成多个低阶多智能体的线性不确定参数自适应控制问题,并通过李雅普诺夫稳定分析方法和Barbalat引理证明整个多智能体系统的渐近稳定性。最后,以一个含有11个节点的参数不确定高阶非线性多智能体网络仿真案例来验证所提算法的有效性。其次,考虑含有未建模动态和有界未知扰动的高阶非线性多智能体一致性控制问题。由于未建模动态的非线性函数满足Lipschitz条件,利用模糊逻辑系统逼近器估计系统未建模动态,结合分布式自适应控制处理逼近器中的未知参数调节问题。进一步,将未建模动态的逼近误差当做一类扰动与外部扰动共同用鲁棒控制方法处理,设计分布式鲁棒控制器。结合代数图论工具、李雅普诺夫稳定分析方法和Barbalat引理证明多智能体系统的渐近稳定性。最后,以一个含有5个节点的Brunovsky型高阶非线性多智能体网络的一致性仿真案例验证所提算法的有效性。再次,在上一章的基础上,针对一类带有未知动态扰动(扰动界函数未知)和未建模动态(未建模逼近误差的界函数未知)的高阶非线性多智能体系统一致性问题。提出一种分布式模糊自适应鲁棒控制方法,即在分布式鲁棒控制器中嵌入自适应设计参数用于调节动态扰动环境下的鲁棒控制增益,对多智能体系统的未建模动态的逼近误差进行补偿控制,并证明了系统的稳定性。最后,以Matlab仿真验证所提算法的有效性。最后,开展一致性控制的应用研究。具体而言,考虑障碍物环境下,非线性多智能体系统在多任务约束下的运动一致性控制问题。利用基于零空间的行为控制方法协调和求解智能体系统在多任务约束条件下的任务优先级设置,采用模糊逻辑系统动态地逼近多智能体系统中的未建模动态,利用非奇异快速终端滑模控制方法使系统误差达到快速收敛的效果,并用上述控制方法设计复合自适应模糊控制器,使得多智能体系统最终实现一致性队形控制。采用李雅普诺夫稳定性分析方法证明系统和任务误差的稳定性。最后,分别用Matlab仿真和5台Pionner 3-AT机器人编队实验来验证所提控制策略的有效性。