随着机器人面对的作业环境和需要完成的工作任务日益复杂,多机器人系统因为更好的可扩展性、冗余性、经济性、鲁棒性等特点,具有良好的应用前景。由于多机器人的作业环境是复杂的工业环境或者野外环境,其中的干扰会导致系统中的多个机器人出现故障,而这会直接改变多机器人网络拓扑,造成系统的网络连通性和运动同步性下降,最终影响到系统的任务执行效率,甚至可能会造成任务无法完成。因此,多机器人系统需要一种在出现多个机器人缺失或者故障时能够自主恢复网络连通性和运动同步性的算法。前人针对同步性指标提出的分布式自修复算法无法修复因机器人缺失而不连通的多机器人网络,也无法对多个机器人同时缺失的问题进行修复。针对分布式控制中非邻居机器人之间信息无法共享,导致不连通的多机器人网络无法被修复以及多机器人缺失无法被修复的问题,本文提出了一种基于2-hop邻居信息扩散的自修复算法。基于2-hop邻居信息扩散的修复机器人选择规则,机器人只需要通过和邻居进行局部信息交互就能够完成对每一个缺失机器人进行修复的任务。同时针对全局提高多机器人网络连通性和同步性的目标,本文还引入了梯度信息,设计了新型的梯度生成、扩散和更新机制,保证分布式切换拓扑控制能够在多机器人网络中实现全局连通性和同步性的改善。进一步地,本文分析了梯度生成与扩散算法的稳定性,证明了本文算法提出的修复机器人选择规则能够提高多机器人网络连通性和运动同步性,验证了自修复算法的收敛性、自愈性、稳定性等指标。为了验证本文提出的分布式自修复算法能改善多机器人缺失修复之后的各项性能,本文专门搭建了多机器人系统的仿真和实验平台并展开了多项测试。首先在仿真平台里,测试了在不同机器人系统规模以及不同网络拓扑下多次丢失不同数目或者不同位置机器人的自修复结果。进一步地,在实验平台上测试了在不同网络拓扑下丢失多个机器人的自修复结果。仿真和实验数据结果均验证了本文算法不仅修复多机器人缺失之后的多机器人网络拓扑,并且提高了多机器人网络的连通性和运动同步性。