近年来,由于在传感器网络,多机器人协作等领域中的大量应用,多智能体系统的协调控制问题引起了国内外专家学者广泛关注。研究多智能体系统的主要目的在于通过使整个网络系统中的智能体互相协作,从而完成相对复杂的任务。其中一致性问题由于其基础性以及与许多其他协调控制问题密不可分的关系,一直是研究的热点。本文研究的群一致性问题是一致性问题的拓展,控制目标是使得被分为几组的智能体组内实现一致性而组与组之间状态可以不同。目前大多数相关研究的控制对象采用的是线性系统模型,考虑到现实中很少存在完全线性的系统,而有许多机械系统动力学方程都可以用非线性的Euler-Lagrange方程表示,因此研究网络Euler-Lagrange系统的群一致性问题有着很重要的意义。在参考已有的研究成果上,本论文针对网络Euler-Lagrange系统的群一致性问题进行了研究探讨,主要内容如下:在非对称有向图中,研究网络Euler-Lagrange系统的群一致问题。每组内的智能体均为合作关系,而组间智能体则可以为合作关系或竞争关系。为了实现群一致性,假设组与组之间是无环连接的且系统有向图满足入度平衡条件。考虑到实际中智能体之间的相对速度信息很难精确得到,设计未使用邻居速度信息的分布式自适应控制律,实现网络Euler-Lagrange系统的群一致性,并在系统模型为多二连杆机械臂系统的情况下进行仿真分析验证所设计算法的有效性。许多研究设计的分布式控制算法中的常值控制增益取值时需用到全局信息,为了避免使用全局信息从而降低系统的实现难度以及提升其鲁棒性,使用自适应控制增益代替了常值增益,设计了仅使用邻居信息的完全分布式自适应控制算法。为了可以精确得到群一致性研究中每组智能体的最终收敛值,构建了新的辅助状态变量,并通过引入积分项的形式设计了新的群一致性分布式自适应控制器,并从理论上证明了最终收敛值与拓扑结构,智能体状态初值,控制增益相关。最终通过数值仿真验证了理论计算值与实验数据的一致。