多机器人系统具有容错能力强、鲁棒性高等优点，能够在复杂环境下高效、可靠地完成任务，因而得到广泛的应用，并成为当前机器人领域的研究热点。由于系统由多个机器人组成，因而存在着任务分配、资源竞争和冲突消解等问题，只有对多机器人进行有效的协调控制，才能使上述问题得到解决，进而使系统工作能力大幅度增强，工作效率显著提高，功能及工作范围明显扩大。由多个具有一定感知和决策能力的轮式移动机器人构成的多机器人系统，因具有结构简单、节能、容易控制等优点，成为多机器人系统中最具典型意义和应用前景的一类系统。本文以该系统作为研究对象，在将生物免疫机理与多智能体的协作方法相结合的基础上，对多机器人协调系统结构、合作与竞争任务下的多机器人协调和多机器人跟踪控制等问题进行了深入研究。主要研究工作如下：1．研究了多机器人协调系统结构。在分析多机器人系统所面临任务的基础上，定义了基于任务划分的协调概念，提出了任务划分的协调分类。在深入分析多机器人系统现有体系结构和面临任务特性的基础上，提出了多机器人系统的分层分布式协调控制模型，并构建了基于任务划分的多机器人协调系统结构框架。2．研究了基于合作任务的多机器人协调。多机器人系统是由个体机器人组成的，而多机器人协调方式与个体机器人的控制方式密切相关。本文在深入研究现有个体控制结构的基础上，将免疫选择与仲裁机理引入机器人控制体系结构中，提出一种将行为控制与认知结构相结合的混合式机器人个体控制结构，提高了机器人的适应性。基于合作任务的多机器人系统是一个高度动态的分布式系统，要求其既能对动态变化的环境和任务具有反应能力，还要具有学习与适应的能力，相互配合完成任务。本文在深入研究免疫网络模型的基础上，结合多机器人系统中各机器人完成任务时所具有的动态特性，提出了多机器人协调的合成免疫网络概念。基于独特型免疫网络模型，构建了合成免疫网络模型，设计了基于合成免疫网络机理的合作任务多机器人协调控制算法，并通过仿真试验对算法进行了验证，结果表明该算法是正确和有效的。3．研究了基于混合任务的多机器人协调。首先研究了有竞争任务而竞争双方又无通讯的多机器人系统协调。通过对多机器人环境的分析，在对策论框架下进行竞争任务协调，重点研究了多Agent系统中敌对平衡的学习算法。在分别对竞争和合作任务的多机器人协调研究的基础上，提出了基于混合任务的多机器人协调模型，并设计了协调算法。该模型从任务划分的角度出发，建立了分层结构来处理多机器人协调，联盟之间利用零和马氏对策，联盟内部机器人之间采用基于免疫网络的协作对策。通过在仿真足球机器人平台上的实验，验证了混合任务协调算法的可行性及优越性。4．提出了一种机器人系统的混合路径跟踪控制方法。该方法将免疫反馈机制与非时间基控制相结合，使系统不仅具有不依赖时间规划调节输出控制的特性，而且能够充分考虑机器人机械结构与电机力矩特性的要求，实现在误差较大时对控制量的限幅；通过对合适参数选取，从而改善整个控制系统的性能。对于新的动态事件，采用插入处理算法，使机器人能够适应动态变化的环境。本文拓展此方法来解决多机器人控制问题。队型控制的仿真与实物实验结果表明，该控制方法具有更好的跟踪能力，控制曲线光滑、平稳，更接近实际应用。