多智能体系统分布式协同,通过成员相互作用实现能力增幅,可完成更复杂的任务,是未来军事和民用领域中自主系统提升工作效率的重要手段。本文以作动器饱和、机动性能限制等控制器约束和未知模型分量、外部扰动等不确定性因素对多智能体系统行为的影响为切入点,研究鲁棒分布式协同一致性跟踪控制方法,实现系统稳定性与鲁棒性,并推广解决复杂条件下多智能体系统鲁棒编队问题。主要研究工作及创新性成果如下:1.研究基于有界可测自适应变量输入的分布式控制方法,分析其鲁棒性条件,揭示输入饱和约束对多智能体系统一致性跟踪运动的影响规律。建立基于先验有界局部邻域同步误差(PB-LNSE)的饱和输入模型,通过坐标变换并构造包含跟踪误差积分的李雅普诺夫函数,将一致性问题转换为新坐标系下的系统状态稳定性问题,进而利用拉格朗日中值定理,对误差转换矩阵进行线性变换,证明PB-LNSE与跟踪误差收敛性的等价关系,获得自适应变量渐进收敛条件。结果表明,该条件下系统可实现一致性跟踪。通过推广面向一致性跟踪控制的方法,引入队形变量,利用坐标变换将编队问题转化为一致性问题,证明编队误差的收敛性,实现编队跟踪控制。与基于变量阈值约束的控制策略相比,本文设计的控制输入信号具有连续性,避免了信号跳跃现象。2.研究复杂不确定性因素对控制输入约束条件下多智能体系统一致性的影响机理,在无速度信息测量的条件下,构建不确定性扰动估计器(UDE)模型,设计抑制未知外部扰动和测量噪声的鲁棒协同控制方案。通过在UDE模型中引入参数映射,以单参数镇定的方式来减少稳态跟踪控制误差。利用UDE模型补偿系统中复杂未知分量,减轻不确定性因素对系统性能的影响,同时产生连续估计信号避免输入抖振现象。在编队控制中应用UDE模型,通过调整单参数的方式减小编队控制误差,实现复杂环境下多智能体系统的编队控制;进一步,将针对质点双积分模型的一致性跟踪控制方法推广到四旋翼集群控制中,通过建立无速度信息测量的六自由度控制器模型,实现四旋翼无人机在升力饱和约束下的高度一致性跟踪,并设计仿真实验,验证方法的适用性。3.针对具有模型不确定性、时变扰动等复杂约束的多智能体系统,研究基于神经网络估计的鲁棒协同控制方法,解决模型中复杂不确定性因素对系统性能的负面影响,实现输入饱和约束下二阶多智能体系统的一致性跟踪控制。在确保控制输入全局饱和的前提下,构造神经网络估计系统模型中关于系统状态变量的未知时变分量,引入估计误差项并证明其有界性,实现更精确的函数逼近;为平滑智能体的轨迹,基于李雅普诺夫稳定性条件推导出自适应参数的更新律,设计自适应一致性控制方案;进一步,将自适应控制器的输入限制在一个由饱和函数上界的线性表达式描述的可测范围内,实现对控制输入的饱和约束,使其适用于动态方程中具有任意连续非线性未知分量的不确定系统。数值仿真结果表明,该方案下模型不确定性估计误差有界且系统呈现鲁棒性。与基于状态反馈的控制方法相比,本文设计的自适应控制方案可加快一致性状态的收敛速度,减小系统震荡。4.针对具有非凸输入约束且拓扑结构Markov切换的高阶多智能体系统,通过引入非凸约束算子,设计基于相邻节点信息的一致性控制协议,解决非凸约束问题。在考虑闭环系统随机性的前提下,构造辅助矩阵将原闭环系统转化为系统矩阵为Metzler矩阵的等价系统,而后利用非负矩阵的性质证明高阶多智能体系统在拓扑结构Markov切换下能够实现均方一致性,得到所有状态趋于一致的充要条件,具有低保守性;相比采用给定数值、函数或凸闭集约束的作动器限幅,非凸约束条件更具一般性,相关理论结果可用于解决风阻条件下无人机集群或水流条件下无人舰艇集群等实际自主系统的协同跟踪问题。最后,针对三阶、四阶到六阶多智能体系统进行数值仿真,检验方法的有效性。