近年来,由于多智能体系统的分布式协同控制在传感器网络、无人机编队、智能机器人等领域有着潜在应用价值,诸多学者对这一研究范畴加以关注,研究了多种控制问题,例如编队控制、包含控制、分组一致性控制等。而这些控制是在一致性控制的基础之上加以推广的,因此一致性控制相关理论是多智能体系统协作控制的研究基础,是非常重要的研究内容。为了减少系统的通信负载,本文主要研究了基于数据采样机制的多智能体系统的一致性问题。以定常线性系统为主要研究对象,具体工作如下陈述:1.首先,基于数据采样机制,本文研究了引入事件触发策略的线性多智能体系统的一致性问题,同时在数据采样点考虑了可能发生数据包丢失的情况。基于数据采样机制,整个系统可以避免被实时监测,同时也排除了芝诺现象。本文使用服从于伯努利分布的随机变量来描述数据丢包,采用组合测量设计出了分布式控制器,同时也给出了利用Riccati方程和线性矩阵不等式所得到的含有较少参数的分布式触发条件。在理论证明中,多智能体系统的一致性问题被转化为系统稳定性问题来讨论。同时,理论证明中也给出了控制增益矩阵、采样周期和丢包概率三者之间的关系,以此可以计算得到采样周期的最大值。2.其次,基于数据采样机制,本文进一步针对有向通信拓扑研究了迭代学习控制下的线性多智能体系统的一致性追踪问题。对于迭代学习实验,预先设定了每次实验的固定时长和采样周期。本文基于开环控制设计出了控制器,即在当前的实验中,控制器所使用的数据完全来自上一次实验所得到的信息。由此,即使在当前迭代实验时发生通信堵塞、时滞等问题,也可以避免使用这些错误信息,这也极大降低了系统实时计算传输所产生的通信能耗。针对连续线性多智能体系统,本文结合零阶保持器采用离散化方法,将其转化到了误差系统进行研究。基于舒尔补定理和线性矩阵不等式,得到了在迭代学习控制下基于数据采样机制的线性多智能体系统实现追踪一致性的充分条件,并且进一步通过理论分析保证了整个系统的单调收敛特性,即输入误差和状态误差随着迭代次数的增加而单调收敛于零。