近年来,随着机器人应用场景的复杂化及执行任务的多样化等,多机器人协同编队控制成为研究热点。实际应用中,系统内机器人形成期望的队形以完成如编队围捕、编队表演、区域搜索等任务,但随着需要完成的任务越来越复杂、环境越来越多变,对多机器人系统编队控制算法的研究提出了新的更高要求,如算法需能够提高编队效率、优化编队路径,控制器需具有较强的自适应性、鲁棒性和普适性等。针对以上问题,本文在综合考虑算法复杂性和系统性能方面,对多机器人编队控制问题进行研究,并设计实验验证算法的有效性和优越性。本文主要研究内容如下:（1）针对多机器人编队控制算法在复杂情况下编队效率低,系统超调大的问题,本文设计了一种综合考虑编队效率和系统超调的多机器人系统编队控制器:首先,对移动机器人进行运动学建模分析,在领航-跟随结构模型的基础上引入虚拟领航机器人,以此建立跟随-虚拟领航跟踪控制结构模型,并分析控制模型中机器人之间的位置误差关系。然后,根据控制模型中系统误差与机器人速度的关系,结合之前文献中的编队跟踪控制律,改进并设计了一种新的适用范围更广的控制律,并从理论上验证了控制律的稳定性。最后,将本文控制律与之前文献控制律设计对比实验,仿真实验结果表明本文控制律能够提高编队效率,减小系统超调;同时通过实验分析了控制律对系统性能的影响。（2）为进一步提高多机器人编队效率及控制器的自适应能力和稳定性,针对控制律中调节参数影响编队效果且不能自适应变化的问题,本文考虑了一种模糊自适应的多机器人编队控制算法:首先,本文选取系统误差及误差变化率作为模糊控制器输入,参数取值作为输出,设计了一种双层的双输入单输出模糊控制器。然后,进行模糊控制参数与固定参数控制下的多机器人编队对比实验;同时在对比实验结果的基础上,进一步利用蒙特卡洛算法遍历参数取值区间内的多个参数组合,选取系统对应的较优参数与模糊控制参数进行对比实验,实验结果显示模糊控制参数可以提高编队效率、提高系统稳定性和灵活性、优化编队路径。最后,为体现算法在工程背景下的应用,将本文多机器人模糊自适应编队算法与围捕策略进行了结合,设计了多机器人编队围捕实验,实验结果表明本文算法可以完成多机器人编队围捕任务。（3）为体现本文算法在真实环境中的应用,将本文算法在实验室的Pioneer3机器人上设计了多机器人编队的仿真实验和实物实验,实验结果显示实物实验受环境等因素影响,实物实验编队效果较仿真实验还会有一定差距,但结果表明本文算法可以完成真实环境中的多机器人编队任务。