作为分布式人工智能领域的分支之一,多智能体网络吸引了众多研究者的关注。并且,多智能体网络在无人机、传感器网络和网络拥塞控制等众多领域的广泛应用,是吸引研究者的另一个原因。然而,在实际运用中,由于智能体的控制会受到噪声、扰动、模型不确定性以及通信不确定性等因素的影响,智能体间的信息交互会产生时滞。因此,研究时滞对多智能体网络性能的影响具有十分重要的现实意义。本文以提高二阶多智能体网络的收敛速度为目的,研究了时滞对多智能体网络收敛性能的积极和消极影响,设计了一致性控制协议,并将控制协议运用到编队控制中,通过MATLAB平台进行仿真。研究内容具体如下:(1)首先,研究了时滞对二阶连续多智能体网络产生的消极影响。当系统的时滞对称时,分析得到了系统一致收敛时,时滞和输入增益所满足的线性矩阵不等式;还讨论了不同输入增益对系统收敛速度的影响,得出结论:当每个智能体输入增益都相等且时滞满足线性矩阵不等式时,系统的收敛速度随着输入增益的增大先加快后减慢,收敛时的平衡速度可由拉普拉斯矩阵和输入增益求得。仿真结果证明了结论的准确性。(2)其次,针对时滞对二阶连续多智能体网络产生的积极影响的问题,本文提出了两种基于当前状态和过时状态一致性控制协议。由于通信不确定性,一种协议中当前状态含有随机变量,利用李雅普诺夫方法分析得到了系统收敛时,时滞和随机变量所满足的条件以及随机变量的期望对时滞容忍度的影响。另一种协议中过时状态含有反馈信息,用频域分析法得到了系统收敛时,时滞所需满足的条件。选择合适的过时状态,不仅能够加快系统的收敛速度,而且能够提高系统的时滞鲁棒性。仿真结果证明了结论的准确性。(3)最后,针对多智能体网络编队控制问题,本文运用虚拟领航者的编队控制方法,将两种基于当前状态和过时状态的一致性协议分别运用到二维空间的多无人车系统和三维空间的多无人机系统。仿真结果表明,两个系统都能形成目标编队,验证了控制策略和控制协议的有效性。