多智能体系统在当前以及未来有着广泛的应用场景。多智能体系统协同跟踪控制兼具单智能体的独立性和自治性,以及群体的协同性和合作性等特点,故其被国内外研究人员认为是控制理论和控制工程领域具有重要意义的热点研究方向之一。以往的研究大多数忽略了系统动力学的不确定情况对多智能体运动的影响。实际上,系统的不确定动态不仅会使智能体偏离自己的运动轨迹而且会破坏群体的队形。因此,对具有不确定动态的多智能体系统的协同跟踪控制问题开展研究具有极其重要的理论和实际价值。本文针对含有不确定动态的多智能体系统的编队跟踪控制问题,分别研究了质点、非完整多智能体系统协同跟踪控制问题。本文所考虑的不确定动态可以有完全未知的动力学,而且不需要每个不确定动态的微分都收敛;本文所提出的控制算法和自适应更新律是完全分布的,不需要使用图的任何全局信息。本文用神经网络来估计智能体系统中存在的不确定动态,然后结合几何扩张方法解决编队跟踪控制问题。同时,理论分析、数值模拟以及Webots机器人平台实验的结果均验证了本文所提控制算法的有效性。本文主要内容如下:一、针对三维空间中具有不确定动态的多智能体系统的协同跟踪控制问题,提出一种新的控制方法,即首先利用神经网络分别估计动力学系统中速度方向和加速度方向的不确定部分,然后利用球面的几何扩张方法和Lyapunov方法、反步方法设计系统的控制输入,接着利用智能体的位置、速度等状态信息生成了神经网络的自适应更新规律,最终实现对给定轨道的追踪和预期的编队运动,利用Lyapunov稳定性理论分析其稳定性;数值仿真结果证明结论的正确性。二、针对二维空间中具有不确定动力学的非完整智能体系统的协同跟踪控制问题,提出了一种基于自适应神经网络的新型协同自适应算法。与一的质点系统不同,考虑的是非完整系统,非完整系统不仅需要将动力学模型转换成Frenet-Serret坐标系形式,而且需要将开环系统中的不确定动态进行整合。首先利用神经网络分别估计开环系统中各个变量的混合不确定动态,然后将轨道几何扩张方法与反步自适应设计相结合,设计智能体的线加速度和角加速度控制律,接着利用智能体的状态信息分别生成了各神经网络估计对应的自适应更新规律,最终实现对给定轨道的追踪和预期的编队运动,最后由Lyapunov稳定性理论给出系统稳定的条件;数值仿真验证理论算法的有效性。三、基于Webots的仿真实验验证。为了更好地验证前两个内容在显示中的效果,不同于简单的Matlab仿真验证,我们基于Webots机器人实验平台验证上述相关算法。首先选择合适的机器人构建与上述理论相关的环境、场景;然后给机器人添加GPS定位系统设备、罗盘等器件分别获取其实际的位置、车头朝向、速度方向等信息;然后将控制算法移植到机器人中。机器人实验验证前文中所设计的协同路径跟踪控制算法在实际应用中的有效性。