分布式平均跟踪是多智能体系统研究的一个新兴问题,该问题假设每一个智能体具有一个时变参考信号,通过对智能体设计分布式算法,使得所有智能体在只与邻居智能体通讯的情况下,能够最终跟踪上所有参考信号的平均轨迹。本文利用图论、矩阵论、非线性系统稳定性理论等相关工具,研究了具有非线性约束的多智能体系统的分布式平均跟踪问题。主要研究内容以及贡献归纳如下。第一,研究了输入饱和多智能体系统的分布式平均跟踪控制问题,分别基于低增益反馈控制和非光滑反馈控制提出了两类算法。首先,考虑参考信号外部输入为零的情况,利用低增益反馈设计控制算法,证明如果系统矩阵是半负定的,那么分布式平均跟踪的误差是最终有界的。接着考虑了参考信号输入有界的情况,利用非光滑反馈设计控制算法,并证明该控制算法能够实现分布式平均跟踪。第二,研究了线性微分包含的多智能体系统的分布式平均跟踪控制问题。区别于已有分布式平均跟踪问题,我们允许智能体的动力学方程具有不确定性,并基于非光滑反馈提出了一个分布式算法,其收敛性结果依赖于系统的输入—状态稳定性以及复合拉普拉斯二次型函数的性质。我们证明了如果参考信号以及它们的控制输入是有界的,那么所提出的算法可以实现分布式平均跟踪。