随着控制系统网络化结构进程的加快和系统控制任务复杂化程度的加深,多智能体系统的协作协调理论已经成为当前控制领域中最重要、最前沿的研究方向之一。对于任何一个控制系统而言,除了系统稳定性之外,动态性能和稳态性能也是衡量系统性能好坏的重要指标。显然,在保证多智能体系统稳定的前提下,如何设计相应的分布式控制协议提高整个控制系统的动态性能和稳态精度,无论在理论上,还是在系统的实际应用方面都具有非常重要的研究价值和意义。多智能体系统的动态性能通常是指多智能体系统的一致性收敛速度,即不仅要求整个系统最终实现一致性,而且还要快速地完成该目标。多智能体系统的稳态性能与多智能体系统的跟踪控制问题直接相关,紧密相连。基于分布式控制理论,本文对多智能体网络系统的快速一致性和多跟踪控制问题进行了深入的分析与研究,并取得了一系列具有创新性的研究成果。本文的主要工作及研究成果如下:(1)—类简单高阶离散多智能体系统的快速一致性研究。基于智能体的预测能力,我们建立了一种分布式多步输出信息预测机制,并在此基础上,提出了带有多步输出预测信息的快速一致性协议。在该控制协议下,系统相应的渐近收敛因子变成了一个与新变量q有关的指数函数。这个理论结果揭示了 q值越大,相应的渐近收敛因子就越小,一致性收敛速度就越快。此外,基于这种控制思想,我们进一步研究了该多智能体系统的快速编队控制、快速跟踪控制和快速鲁棒一致性问题,并获得了相应的理论结果。(2)具有一般动态模型的高阶离散多智能体系统的快速一致性研究。基于智能体的预测能力,我们建立了一种分布式多步邻居误差信息预测机制。为了解决一般动态模型所带来的影响,我们在预测机制的基础上引入了多步状态自反馈预测信息,从而提出了带有状态自反馈项的快速一致性控制协议。在该控制协议下,系统相应的渐近收敛因子变成了一个与新变量q有关的指数函数。这不仅表明我们可以通过调整q的值来控制多智能体系统的一致性收敛速度,而且也间接地解决了高阶多智能体系统最优控制增益的求解难题。此外,我们进一步给出了快速一致性控制协议的具体设计方法,该设计方法不仅解耦了系统控制参数与拓扑图之间的复杂关系,也清晰地揭示了智能体动态模型与交互拓扑结构是如何影响多智能体系统一致性收敛速度的。(3)具有一般动态模型的高阶离散多智能体系统的快速编队控制研究。基于智能体的预测能力,并结合给定的期望编队信息,我们建立了一种分布式多步调节误差信息预测机制。在此基础之上,我们提出了带有多步预测信息的快速编队控制协议。在该控制协议下,系统相应的渐近收敛因子变成了一个与新变量q有关的指数函数。当q值越大时,相应的渐近收敛因子就会越小,多智能体系统的编队收敛速度就会越快。此外,我们进一步给出了快速编队控制协议的具体设计方法,该设计方法不仅解耦了系统控制参数与拓扑图之间的复杂关系,也清晰地揭示了智能体动态模型与交互拓扑结构是如何影响多智能体系统编队收敛速度的。(4)带有有向无循环交互拓扑结构的高阶异构多智能体系统的多跟踪控制研究。首先,我们将多智能体系统的多跟踪控制问题转换成了一些独立子系统的零稳态误差控制问题。然后,基于智能体之间的交互拓扑结构,我们引入了信号流图思想,并通过终值定理和梅森增益准则获得了多智能体系统的稳态误差与网络系统结构、智能体动态模型和期望跟踪目标之间的量化关系。在此基础之上,我们提出了相应的网络控制系统稳态误差计算方法及公式。进一步,我们研究了延时对多智能体系统多跟踪控制的影响,并设计了 PI控制器解决了一类含有内部时延的高阶异构多智能体系统的静态多跟踪控制问题。(5)闭环稳定的高阶异构多智能体系统的多跟踪控制研究。针对更为一般的有向交互拓扑结构,基于复频域方法,我们给出了闭环稳定的多智能体系统实现多跟踪控制的充分必要条件。该充要条件量化地揭示了这样一个事实,即子系统型数越大,多智能体系统的稳态误差就越小,直至为零。进一步,我们提出了带有一般有向图的网络系统稳态误差的计算方法及公式,这一理论结果不仅非常重要,而且简单实用。本文所提出的控制思想和理论结果不仅丰富了多智能体系统的协同控制理论,也为复杂网络控制系统动态性能和稳态性能的研究提供了新的方法和框架。一系列仿真示例也进一步验证了这些方法的正确性与有效性。