随着控制系统复杂度的增加和规模的扩大，设计单一系统的控制算法已不能满足当前需求。近年来分布式一致性控制成为解决这一问题的有效方法，其重点讨论如何设计分布式控制器使多智能体系统最终趋于一组共同的目标。多智能体系统的状态可以是物理空间中的地理位置，也可以是社交网络中的舆论观点，甚至是智能电网中的电压幅度和频率。采用分布式控制算法解决实际应用问题，具有很强的鲁棒性和可靠性，且具有较高的求解效率，但其中不可避免需要考虑到子系统间的通信问题。如何在保证系统性能的同时减少通信次数以节约信道资源，并降低能量损耗的问题成为目前研究所面临的挑战。　　事件驱动技术是一种基于驱动函数触发控制器改变控制输出的机制。其有别于传统周期性控制需要不断更新控制输出的特性，应用于分布式一致性控制中，可以有效地减少智能体间通信的频次，提高信道资源的利用率。基于事件驱动的分布式一致性控制算法，既充分利用了多个体间协调控制所具有的聚合优势，亦降低了通信资源的消耗，保证在低能耗下实现对复杂系统的控制。本论文包含以下工作及贡献:　　1.研究了一类含时延和外部噪声干扰的非线性多智能体系统，设计了一种分布式鲁棒自适应一致性控制算法。使用径向基神经网络学习未知非线性系统的特性。通过Lyapunov-Krasovskii泛函和Young氏不等式，消除时延所带来的负面影响，进而保证了多智能体系统的稳定性。因为外部噪声干扰会降低系统的性能，所以引入一个鲁棒控制项来处理噪声干扰。最后，将设计方法推广到高阶系统的情况，并通过仿真例子和多机械臂实例验证了该分布式一致性控制算法的有效性。　　2.研究了非线性时延多智能体系统利用事件驱动和神经网络技术达到连通度保持的一致性问题。借助分而治之的思想，分布式控制器被分成五个部分来设计。事件驱动机制的引入减少了智能体之间的通信次数，节约能耗。通过设计一个合适的事件驱动函数，Zeno现象得以排除从而提高了多智能体系统的稳定性。把势能函数的阈值参数设定为合适的值可以保证多智能体系统在趋于一致性过程中的连通度。　　3.研究了两种群组一致性的控制方法，分别是集中式事件驱动控制算法和分布式事件驱动控制算法。在分布式事件驱动控制算法中，通过计算相应参数的最大值和最小值，驱动函数得以简化从而减少了对系统存储空间的占用，这种简化对于片上系统有限的存储空间来说尤其重要。Zeno现象在集中式的情况下可以被排除。　　4.研究了一种异质非线性多智能体系统的输出一致性问题，在多智能体系统和参考输出信号之间增加了两层虚拟层。在第二层虚拟层中引入事件驱动机制来减少智能体间的通信次数，使得所有智能体可以跟踪上外部参考信号。考虑了含输入时延的情况以适应网络通信中数据丢包和信道阻塞对多智能体系统的影响。针对多智能体系统的异质性，为每个智能体设计了一套内部模型用于表征其非线性特性。使用FitzHugh-Nagumo(FHN)模型验证了算法的有效性。