多智能体协作系统在适应性、重构性、扩展性以及鲁棒性方面极具优势,已在编队、集群飞行、多移动机器人协同、传感器网络部署和微电网能源平衡等领域广泛应用。其中飞行器集群飞行作为新型空间分布式遥感、在轨服务、深空小行星探测、协同监测等众多空间应用的关键技术,已成为航空航天技术发展战略重点。因此,近十几年来,多智能体协同控制一直是国内外研究热点,且朝着更加复杂而实用化的方向不断发展。本文以多智能体系统安全有效运行为目标,针对多智能体避碰需求、多干扰多约束、通讯计算能力及能源受限,开展输入多干扰不确定性鲁棒控制、事件驱动控制、最优编队控制研究,并拓展得到适用于飞行器集群现实应用的输入限制优化、事件驱动优化集群控制方法。论文主要开展的研究工作如下:1.针对输入受限外部干扰和模型不确定情况下多智能体系统,开展防碰撞编队鲁棒控制研究。首先在反步法框架下设计基于误差符号积分以及抗饱和补偿器的鲁棒控制律,克服了普通滑模控制输入不连续缺点并解决了控制输入饱和问题,同时,引入连续人工势函数,保证了智能体之间以及与障碍物的碰撞且无局部极小问题。然后,进一步考虑复杂输入受限以及多面体障碍物情形,采用神经网络用来近似多种模型不确定性,而通过结合自适应鲁棒项以补偿受限输入、神经网络近似误差以及外部干扰。提出的算法在保证多智能体系统对复杂扰动的鲁棒性能的同时,满足其防碰撞的约束。2.针对智能体之间通信时延、通信计算能量有限问题,研究多种通信时延条件下二阶非线性多智能体的编队鲁棒控制、基于事件驱动的编队控制,与现有研究相比考虑了多智能体系统防碰撞约束。对于多种时延、动力学不确定性、外部干扰以及避碰斥向量时间导数的观测误差带来的整体扰动,由基于神经网络的鲁棒控制器进行抑制。并利用Lyapunov-Krasovskii函数方法及代数图论分析系统稳定及实现避碰能力的充分条件。设计事件驱动防碰撞编队协同控制律及其对应的事件驱动条件,其中事件驱动条件不仅依赖于智能体自身、邻居状态的偏移,还与避碰矢量相关。提出的控制策略在实现多智能体系统防碰撞和编队控制目标的同时,避免了智能体对连续通信和连续控制计算的需求,有效地降低了系统对通信和计算资源的消耗。3.针对多智能体系统多约束能量路径优化编队控制问题,本文提出两种新的防碰撞控制策略:基于Lyapunov函数的模型预测控制及自适应动态控制算法。首先将控制Lyapunov函数（Control Lyapunov Function,CLF）引入分布式模型预测控制方案中,从而同时具备了CLF的强稳定性及编队优化性能,系统可行性通过引入松弛参数来实现,用以折中编队跟踪及避碰目标之间的冲突。同时,基于速度障碍概念构造的终端约束可取消对预测时域和终端控制律设计要求,降低了控制器设计复杂性。为实现多智能体的防碰撞无穷时域优化控制,本文将避碰代价函数引入优化问题的目标函数,进而采用基于单层神经网络近似代价函数的自适应动态规划方法求解优化问题,实现了防碰撞约束下系统控制目标,且提高了多智能体轨迹和输入能量的优化性能。4.基于以上结论,针对集群中飞行器数量大、性能弱、能源受限的特点,首先通过设计合适的输入代价函数以及神经网络自适应律,提出输入受限条件下基于自适应动态规划方法的防碰撞优化集群控制算法。进一步,首次设计了事件驱动框架下的飞行器集群输入受限防碰撞优化控制策略。在实现集群防碰撞和输入受限约束条件下集群控制目标的基础上,尽可能地同时降低飞行器通信、计算资源以及输入能量的消耗。