一致性,作为网络化系统协同控制中一个重要且基本的研究方向,已经被不同领域学者广泛研究。目前,所呈现的许多理论研究成果都集中于网络化常微分系统的一致性控制问题。可是在实际生活中,物质运动都存在一定的时空环境中。由于空间中个体之间的不均匀分布,导致扩散现象是普遍存在的。此时,系统的动力学方程既依赖于时间变量又依赖于空间变量,由偏微分方程表征。因此,研究网络化偏微分系统的一致性控制问题变得尤为重要和有意义。本文基于图论、矩阵论和偏微分理论,设计不同控制算法,即:采样事件触发控制、输出反馈控制、自适应输出反馈控制、间歇边界控制,研究了网络化偏微分系统的一致性问题。具体工作如下:反应扩散神经网络的指数一致性控制研究。结合采样控制和事件触发控制,设计采样事件触发机制。克服模型中扩散项的存在性问题,有效排除了芝诺行为。考虑一种新的Lyapunov-Krasovskii泛函,采用一些重要的不等式放缩技术和相关的偏微分理论,获得了指数一致性充分条件。与传统的连续一致性控制方法相比,本章节的控制方法不需要连续通信且仅需要知道邻居节点在触发时刻的状态信息,大大减少了通信传输次数和降低了能量损耗。最后,通过一个数值仿真算例验证了算法的有效性。无向网络拓扑下具有自适应输出耦合的多权值反应扩散神经网络的有限时间输出一致性控制研究。分别考虑耦合延迟、外部扰动、多耦合权值等因素对系统性能的影响。采用自适应律来调整耦合权值,且设计不同的输出反馈控制器,保证了多权值的反应扩散神经网络在无耦合延迟和有耦合延迟情况下实现有限时间输出一致性。同时,在外部干扰存在时,上述所提出的算法实现了有限时间H∞输出一致性。与状态反馈和状态一致性的研究工作不同,本章节考虑了实际中节点状态不可测、以及机器和人类寿命有限的情况,通过输出反馈解决有限时间输出一致性问题。最后,通过数值仿真结果验证了算法的可行性。有向网络拓扑下具有输出耦合的反应扩散神经网络的有限时间输出一致性控制研究。基于输出信息,提出不同的输出反馈控制律,利用关键不等式放缩技巧以及有限时间一致性理论,获得了具有固定耦合权值和自适应耦合权值的反应扩散神经网络的有限时间输出一致性准则。与无向网络拓扑中设计的控制算法不同,本章节克服了有向网络拓扑下对应拉普拉斯矩阵的非对称性问题,设计新的算法、构造新的Lyapunov函数,以及在理论证明过程中引入新的对称矩阵,解决了输出耦合的反应扩散神经网络的有限时间输出一致性问题。最后,通过数值仿真结果验证了算法的有效性。线性抛物型偏微分多智能体系统的一致性控制研究。在无向固定网络拓扑下,基于自身节点和其邻居的相对输出信息,分别设计了基于顶点的分布式自适应观测器型控制算法解决了线性抛物型偏微分多智能体系统的无领导者跟随和单领导者-跟随一致性问题。在无向切换网络拓扑下,提出了一个新的基于边的分布式自适应观测器型控制律,其依赖于智能体和其邻居的相对输出信息而不是相对状态信息。通过构造合适的Lyapunov函数和使用相关不等式放缩技巧,获得了一致性充分条件。不同于状态反馈,本章节主要通过分布式自适应输出反馈控制,解决了实际中节点状态信息不可测量的问题和实现了系统状态一致性。同时,这些控制算法不依赖网络的全局信息。最后,通过数值仿真结果验证了算法的可行性。非线性抛物型偏微分多智能体系统的指数一致性控制研究。当系统状态信息可完全获得时,基于智能体和其邻居通信产生的传输信息以及在边界处的耦合信息,设计了一个间歇边界控制器,获得了领导者-跟随指数一致性的充分条件。当系统状态信息不可完全获得时,设计观测器去估计智能体的状态,进而提出了一个基于观测器的间歇边界控制器,实现了非线性抛物型偏微分多智能体系统的领导者-跟随指数一致性。不同于分布式控制和连续控制,这章节设计的间歇边界控制只要求驱动器放置在边界上且是不连续的,不仅降低了时间成本也降低了空间成本,这在实际工程应用中更容易操作实现。最后,通过两个数值仿真算例验证了算法的有效性。