多智能体系统的协调控制具有广阔的应用前景，如多机器人系统的编队控制、多机械臂的同步控制、无线传感网络的动态配置、多飞行器的自主导航等。对多智能体系统设计其通信机制及分布式控制算法，能使其呈现出丰富的群集动力学行为（如编队、目标跟踪、同步等），从而实现一些单个智能体无法完成的复杂任务。本文对实际多智能体系统（如网络化机器人系统）的动力学特性进行分析，采用欧拉拉格朗日方程来描述网络的动力学行为，研究其在运动学异质、参数不确定与外界扰动等情况下的协调控制问题。　　本研究主要内容包括：⑴针对编队控制中多智能体系统队形变化的实际需求，基于非连续的分布式估计器，提出解耦逆动力学控制算法，研究连通的通信拓扑下多智能体系统的时变编队跟踪问题，给出了系统编队跟踪误差渐近稳定的充分条件。与传统的固定编队算法不同，所给算法能够使多智能体系统的队形实时切换，从而适应更为复杂的外部环境。⑵针对具有运动学异质的多智能体系统，考虑参数不确定和外界扰动，提出基于分布式状态估计器的自适应滑模控制算法，实现系统对于时变目标的渐近跟踪，并给出了跟踪误差渐近稳定的充分条件。所考虑多智能体系统中同时具有运动学冗余/非冗余的个体，对其进行协调控制算法设计，可以在降低系统硬件成本的同时，提高系统的作业性能。⑶针对采样信息交互下多智能体系统的目标跟踪问题，考虑外界扰动，提出基于分布式脉冲估计器的类PD控制算法，分析得到系统跟踪误差实用稳定的充分条件以及跟踪误差稳定域与控制参数之间的定量关系。与连续信息交互（连续通信）不同，采用采样信息交互，能够减少通信系统的构建与维护代价。⑷针对异质多智能体系统任务空间的位置同步问题，考虑外界扰动，提出不依赖系统模型的分布式积分型滑模控制算法，得到系统任务空间中同步误差实用稳定的充分条件。所给算法基于同步耦合矩阵，不依赖于系统的动力学模型。⑸针对多智能体系统的定点和动点跟踪问题，在不依赖速度测量的情况下，提出基于速度估计和分布式状态估计的解耦控制算法，基于拉瑟尔不变集原理，分析得到多智能体系统跟踪误差渐近稳定的充分条件。所给算法不依赖于速度测度，可以减少系统中传感设备数量，从而节约成本。⑸考虑实际多智能体系统的个体结构不同、传感设备受限、工作环境与结构参数复杂等实际特征，本文采用欧拉拉格朗日方程来描述多智能体系统的动力学行为，研究具有运动学异质、参数不确定、外界扰动的多智能体系统的协调控制与稳定性分析，发展并完善网络系统的动力学分析与协调控制理论。