随着科学技术的发展进步和工业生产的需要,实际工程系统的规模和复杂度都迅速提高,这意味着系统更容易出现故障以及故障会给系统带来更严重的影响。为确保系统的安全性和可靠性,针对系统建立有效的容错控制机制就显得尤为重要了。近年来,多智能体系统开始广泛应用于各个领域,因此,针对多智能体系统的容错控制问题具有重要的研究意义。早期对多智能体系统的研究侧重于线性系统,但实际系统多为非线性系统,因此,现今的研究热点转向了更具有实际意义的非线性多智能体系统。本文主要研究带有执行器故障的非线性多智能体系统的容错控制,由于小波神经网络具有很好的非线性逼近能力,所以本文选择基于小波神经网络的故障估计方法获取故障估计信息。第一,针对一类带有执行器故障的非线性多智能体系统,研究了基于小波神经网络的故障估计方法。假设系统无领导者,首先建立系统模型;其次,基于此模型,给出分布式非线性观测器,即为每个智能体设计一个观测器,并通过观测器获取自身的状态估计信息和相对输出信息。然后利用相对输出信息作为小波神经网络的输入,并通过小波神经网络的训练学习得到故障估计信息。最后建立由两个直流电机驱动旋转关节的单连杆组成的机械臂的系统模型,并验证仿真该方法的有效性。第二,针对一类带有执行器故障的非线性多智能体系统进行容错控制。假设系统具有一个健康的领导者,首先建立系统模型。其次,利用上述给出的基于小波神经网络的故障估计方法获取故障估计信息,进而构造分布式容错控制器,以此来保证系统的领导跟随一致性和补偿执行器故障对系统的影响。另外,用构造的Lyapunov函数,对系统进行稳定性分析。最后,建立由六个直流电机驱动旋转关节的单连杆组成的机械臂的系统模型,并仿真验证了本章方法的有效性。第三,针对一类包含外部扰动和未知模型不确定性的带有执行器故障的非线性多智能体系统进行容错控制。假设系统具有一个领导者,首先建立系统模型。其次,利用上述给出的基于小波神经网络的故障估计方法获取故障估计信息,进而构造了分布式协同容错控制器,以此来保证系统的领导跟随一致性和补偿执行器故障、外部扰动和未知模型不确定性对系统的影响。另外,用构造的Lyapunov函数,对系统进行稳定性分析。最后,建立由六个直流电机驱动旋转关节的单连杆组成的机械臂的系统模型,并仿真验证了本章方法的有效性。