近年来,随着分布式多智能体系统的迅速发展,分布式协作控制成为控制领域研究的一个热点。多智能体协作控制研究的是大量只具简单功能的个体如何通过分布式的控制,相互合作,产生复杂的群体行为。一致性问题作为多智能体之间合作协调的基础,受到来自各个领域研究者越来越多的关注。在多智能体系统中,“一致性”是指智能体就某些状态量趋于相同,而一致性算法是指多个智能体基于局部信息采取的使得个体状态趋于一致的协议。本论文重点分析了具有状态预测器的一致性算法;把状态预测器的策略应用到多智能体编队和覆盖问题;分析了通讯延迟对具有状态预测器的多智能体系统收敛性的影响;研究了在有输入饱和约束情况下一致性算法的收敛条件。本论文的主要内容和研究成果总结如下:1.具有状态预测器的多智能体系统一致性研究。提出了一种状态预测器,以一次通讯的代价提高了多智能体系统的最小非零特征值,进而提高了多智能体系统达到一致的速度;把状态预测器应用于二阶多智能体系统的一致性算法,通过仿真验证了状态预测器的引入提高了系统完成任务的速度。2.具有状态预测器的编队和覆盖问题性能分析。在分布式多智能体系统编队算法中引入状态预测器,以提高分布式多智能体系统完成编队任务的速度;在分布式多智能体系统覆盖算法中应用状态预测器,以提高多智能体系统完成覆盖任务的速度。并通过仿真验证了状态预测器引入的有效性。3.通讯延迟对于多智能体系统一致性演化的影响。由于通讯存在延迟,当通讯延迟过大时,无延迟时能渐近一致的多智能系统将不再能渐近的一致,论文分析了状态预测器的引入对系统允许延迟裕量的影响,指出由于多次通讯,算法对时延的鲁棒性比无状态预测时有所削弱。4.有饱和约束的多智能体系统一致性算法分析。对有饱和约束的多智能体系统,在控制律保持不变的情况下进行了分析,给出了分布式多智能体系统中控制量存在饱和约束时多智能体系统仍能渐近一致的条件。