无人机、机器人等运动载体的集群协同控制在工农业生产、灾难救援、地质勘测等领域发挥着重要的作用。一致性是集群系统跟踪、编队等协同控制行为的基础。在实际应用中,运动载体在不同介质中的运动动态普遍呈现为分数阶微分方程的形式,其模型受到各种因素的影响,存在不确定性。因此研究分数阶模型和不确定性影响下的集群一致性问题具有重要意义。本文首先针对具有模型不确定性的整数阶领导者,在跟随者具有模型不确定性和受到未知扰动条件下,设计鲁棒一致性跟踪控制协议,而后将相关结果推广到跟踪分数阶领导者中,设计出相应的一致性跟踪控制协议。最后,将理论成果应用到四旋翼集群的一致性跟踪控制算法设计中,有效融入相关干扰抑制技术实现集群鲁棒协同控制。本文主要的研究工作及创新性成果总结如下:1.研究模型不确定性条件下集群鲁棒一致性跟踪控制问题。基于神经网络（neural network,NN）估计原理,通过构造Lyapunov函数,在线生成相关估计参量的变化率,实现对领导者动态方程中的不确定分量的估计;此外,分别采用不确定性扰动估计（uncertainty and disturbance estimator,UDE）与神经网络估计技术,对跟随者模型中出现的模型不确定性和外界干扰进行估计,有效抑制了系统不确定分量对控制性能的不良影响,提升了系统鲁棒性。特别的,本文所设计的串级UDE（cascade UDE,CUDE）结构能够分别针对跟随者智能体位置环和速度环存在的干扰进行估计补偿,而后基于反步法设计一致性跟踪控制器。最后,通过仿真实验验证了相关方法的有效性。相比非串级UDE方法,所提方法能抑制各阶不确定分量对系统鲁棒性的影响。2.研究分数阶领导者的集群鲁棒一致性跟踪控制问题。分数阶领导者具有模型不确定性,通过对分数阶函数性质的分析,利用互补对消的方法,对不确定条件下分数阶形式的领导者进行模型改进,并进而应用神经网络估计技术,对领导者中的不确定分量进行估计,为后续设计跟随者集群的一致性跟踪控制协议作铺垫;考虑了跟随者集群自身存在模型不确定性的情况,速度环和位置环均有不确定分量,利用神经网络对其进行估计,将整数阶结论推广,设计出分数阶领导者条件下的一致性跟踪控制协议;另外考虑了集群受到未知扰动时的一致性跟踪问题,应用UDE技术,通过估计补偿的方法,降低了未知扰动对系统鲁棒性的影响,同样将整数阶相关结论进行推广,设计出针对分数阶领导者的一致性跟踪控制协议,最后通过仿真实验验证了两种方法的控制效果及其适用性。3.研究了扰动条件下四旋翼集群的一致性跟踪控制问题。首先,建立了四旋翼六自由度动力学模型,而后基于反馈线性化的方法,对非线性模型进行简化,以应用到前文双积分模型下的理论研究成果,考虑通道模型受到未知扰动的情况,研究了当某通道受到干扰,或某几个通道受到干扰的情况下,四旋翼集群的鲁棒一致性控制方法,将UDE估计器加入到四旋翼内外环的控制模型当中,以补偿未知干扰对系统带来的影响,最后结合PD控制以及反解模块给出欧拉角的控制方法。