多智能体系统作为研究分布式人工智能的一个重要分支,主要是期望通过多个简单智能体之间的协调合作,来代替单个复杂的系统完成任务以解决复杂的现实问题。与传统的集中式控制方法有所不同,分布式控制方法旨在没有中央协调的情况下,仅利用局部通信来实现全局共同目标,具有所用通信信息量少、协作方式灵活和可扩展性强等诸多优点。多智能体系统分布式控制的研究被广泛应用于编队控制、聚集控制、蜂拥控制、同步以及协调决策控制等问题中。一致性问题是多智能体系统分布式协同控制研究领域中经典的问题,其关键在于设计适当的一致性协议或算法使得整个多智能体系统中的各个智能体状态趋向于统一状态,而收敛速度是作为研究多智能体系统一致性问题的一个重要性能指标。目前大量成熟的研究成果集中在渐近时间、有限时间以及固定时间一致性研究上,在这些研究中,有两个常见的技术难题:一是如何在期望的时间内高精度地达成一致,二是如何在只有部分子系统能够获取领导者轨迹的情况下确保一致性跟踪。因此,本文紧紧围绕这些问题展开研究,主要的贡献和创新如下:（1）针对包含多个领导者与多个跟随者的二阶多智能体系统,根据系统拓扑结构,本文构建了由领导者所形成的凸包模型,并设计了分布式预设时间观测器和分布式前置时间观测器以估计多领导者所形成的凸包的状态信息。所设计的分布式观测器可以在任意预设的有限时间内观测到凸包的状态信息。（2）基于分布式观测器所获取的凸包状态信息,本文构造了一个新的时变标量函数,结合该标量函数设计出了分布式预设时间包容控制器。巧妙构造了李雅普诺夫候选函数,并进行了严密的理论分析和MATLAB数值仿真。在预设时间包容控制器的作用下,多个跟随者可在任意设定的时间内收敛到由多领导者状态信息所形成的凸包内,收敛稳定时间不依赖于系统初值和其他控制参数。（3）为解决复杂系统中预设时间控制算法的跳变问题,本文针对一阶非线性系统设计了前置时间控制算法并分析其稳定性以及抗干扰性能力。系统在前置时间控制算法下的收敛时间可以在任何物理允许的范围内根据需要给定,即系统可以在预定时间前达到稳定,而不依赖于初始条件或其他控制器参数。同时,该控制算法克服了预设时间控制算法在复杂系统或者带扰动的系统中容易出现瞬时跳变的问题。此外,在具有干扰的系统中,前置时间控制算法作用下的系统收敛误差可降到一个可调的范围内,并且表现出了较好的鲁棒性和抗扰动性。