随着工业技术的发展,多机器人系统目前已在工业操作、巡逻侦察、灾情救援、环境勘探、智能物流、智能农业,和消费娱乐等方面有了长足的发展。智能体(Agent)的概念为无人车、无人机、无人潜艇等自主移动平台建立了统一的研究体系。多智能体系统的协同控制是大规模机器人系统实现实际任务与操作的理论基础。经过近三十多年的发展取得了丰富的成果。多智能体系统的群集、编队、轨迹跟踪、避障、一致性、拓扑结构的连通性等方面的研究更是吸引了大批国内外学者的广泛关注。其中,所有协同任务的实现,都是建立在安全有效实时的多智能体之间的协调运动基础之上。因此,分布式协同控制中智能体的避障、通信拓扑连通性具有非常重要的研究意义。本文以多智能体系统协同控制为基础,研究了协同控制中的编队、避障、连通性保持问题,并通过轮式多无人小车平台进行了实验验证。本文的具体研究内容如下:一、仅利用相对位置信息与其位置估计值,对二阶积分模型多智能设计了一种分布式位置估计算法,并通过给定的成本函数,实现了最优编队控制。当通信拓扑结构包含有向生成树时,估计误差全局指数收敛。随着时间的演变,所有智能体都将趋于静态目标点和一个常量之和。尽管所有智能体的最终位置在原期望点上有了一个位置偏移,由于多智能体系统每个个体都有相同的偏移,因此对整体而言期望队形是可以达到的。仿真结果说明所提算法编队距离最优,且形成了稳定的期望队形。二、对于上述基于分布式位置估计的最优控制算法,从仿真结果可以发现,由于智能体运动过程中需要最小化代价函数使编队距离最优,导致智能体之间可能发生碰撞。考虑算法的实际应用性,结合人工势能场函数给出了基于分布式位置估计的一致性编队与避障协同控制算法。当智能体无法获得精确的绝对位置信息时,该算法可实现期望的静态队形,并保证智能体之间的规避运动。数值仿真结果验证了算法的有效性。三、针对工程实践中应用更广泛的非完整约束模型智能体,设计了可实现角度校准的领航-跟随者分布式编队控制算法。非完整约束智能体系统由于其运动过程中不可积分的非完整约束影响,其状态变量维数大于控制变量维数,从而没有孤立的平衡点,使得对这类系统的控制有相当大的难度。论文采用一种基于计算机视觉的l-φ编队框架结构,利用系统矩阵列向量场的Lie括号设计了包含一个对称和一个反对称部分的反馈线性化矩阵,使原点成为误差系统的唯一稳定平衡点,实现了非完整约束多智能体系统编队误差的收敛,以及跟随者智能体与领航者智能体之间方向角的校准。此外,设计了一个动态人工势能场函数,可实现智能体动态避障并克服局部极小值问题。最后数值仿真结果说明了算法的有效性。四、现有的避障策略通常是在原控制算法基础上加入额外的避障控制项,使智能体远离障碍物。然而,这种额外的控制项往往对智能体的运动趋势带来强烈的变化,甚至可能破坏原通信拓扑的连通性。此外,单个控制器往往很难综合考虑多个控制目标。受多目标优化理论的启发,论文针对非完整约束智能体系统设计了基于CBF(Control Barrier Function)的多目标分布式控制算法。将队形控制,与领航者的连通性保持,与其他智能体之间的避碰问题建模为系统约束,利用CBF作为约束对应的惩罚函数,可解决系统有输入或状态约束的问题。由于CBF是一种类李雅普诺夫函数,通过保证约束集的正不变性,从而将有约束问题转化为无约束的控制问题。最后数值仿真验证了算法的有效性,具有一定的理论价值和指导意义。五、利用微型轮式E-puck无人车实验平台,对本文3-5章中设计的控制算法进行了多无人车协同控制实验操作,并给出了数据拟合曲线,验证了算法的有效性和实用可行性。最后,对全文的研究工作进行了归纳总结,并展望了进一步的研究课题。