实际工程中存在大量含有随机因素的复杂系统,如化工过程、多机器人系统等。以随机非线性多智能体系统作为研究对象具有典型的意义,该系统中各智能体的动态特性均含随机特性,此类问题是多智能体系统控制理论体系的重要组成部分。本文采用伊藤(It?)引理、反步法的设计方法、动态面控制技术、图论知识和径向基函数(Radial Basis Function,RBF)神经网络逼近理论研究随机多智能体系统协同控制问题,主要从以下三方面开展工作:1、研究了一类在有向通信拓扑下随机非线性严格反馈多智能体系统的输出一致控制问题。每个跟随者均具有随机特性,通过It?引理解决了古典微分方法针对虚拟控制律求微分失效的问题。在反步法的设计框架下,利用RBF神经网络技术逼近系统中存在的未知函数并提出了自适应输出一致控制律。借助四次型Lyapunov函数证明了所提出的控制律保证闭环系统内所有的信号均是依概率有界的;进一步,研究了一类含输入饱和特性的随机非线性多智能体系统,引入光滑的双曲正切函数用来逼近饱和分段函数,并通过利用中值定理对光滑的饱和函数进行变换简化其形式解决了在反步法下饱和分段函数不利于设计输入信号的问题。接着构造线性状态观测器来估计系统状态,通过引进一阶滤波器的方法简化控制律结构,接着设计补偿器消除一阶滤波器所带来的影响。在设计控制律的过程中,通过添加附加项以避免发生奇异性问题。最终,利用Lyapunov函数证明了在所设计的控制律的作用下,该闭环系统内所有的信号均是依概率有界的。2、研究了一类含多个领导者以及多个具有随机特性的跟随者所组成的随机非线性多智能体系统状态反馈包含控制问题。通过图论知识将含多个领导者的包含控制问题转化为只有一个领导者的跟踪控制问题。引入It?引理解决对虚拟控制律求微分问题。采用反步法设计方法以及神经网络逼近器相融合的策略提出自适应状态反馈包含控制律,以保证所有跟随者的输出都收敛到领导者的轨迹所形成的的凸包内。利用Lyapunov函数证明了闭环系统内所有的信号都是依概率有界的;在状态反馈包含控制问题的基础上进一步研究了状态不可测的随机非线性多智能体的包含控制问题,为每个跟随者均构造状态观测器,用以估计系统中的未知状态。利用反步法的设计思路,将RBF神经网络逼近技术、状态观测器和图论工具相结合,提出了自适应输出反馈包含控制律。借助四次型Lyapunov函数证明了所提出的控制律保证闭环系统内所有的信号都是依概率有界的。3、研究了一类随机非线性多智能体系统输出反馈包含控制问题。针对系统的存在未知状态,设计状态观测器获得状态估计值。接着利用动态面控制技术改进反步法设计方法,即为每个智能体的子系统均引入一阶滤波器,其作用是对虚拟控制律进行滤波处理,简化控制律的结构,避免传统反步法易产生“计算膨胀”的问题。在设计过程中,采用RBF神经网络处理系统中的未知非线性函数。此外,为了减轻网络通道资源占用的问题,通过设计固定阈值的事件触发控制律可减少网络通道中数据传输位数。设计了基于输入事件触发机制的自适应控制律,并且构造补偿器消除了滤波器带来的影响。借助Lyapunov函数证明了该闭环系统内所有的信号均是依概率有界的。