集群系统协同控制是通过成员之间的信息交互,完成更加复杂的任务,已经成为当下军事和民用领域提升工作效率的重要手段。一致性问题作为集群控制的基础问题,是当下的热门研究话题。本文以系统模型不确定、存在外部扰动和具有通信约束等因素对集群系统行为的影响为切入点,研究集群鲁棒一致性控制方法,使系统稳定实现一致性跟踪和二部一致性等行为。主要研究工作及创新性成果如下:1.研究具有模型不确定性和未知扰动的集群系统鲁棒一致性跟踪问题。将神经网络估计原理和不确定性扰动估计器（Uncertainty and Disturbance Estimator,UDE）结合,利用可测变量估计系统不确定因素,并对扰动进行补偿,提出了适用于该系统的鲁棒一致性跟踪控制算法,并通过仿真验证了算法有效性和控制效果。相比以往单独基于神经网络估计或UDE的鲁棒协同控制方法,所提方法平衡了计算复杂度和对系统模型信息完整性的需求。2.研究通信约束下集群系统离散时间均方一致性问题。基于改进的干扰观测器,提出了一种极端通信条件下的集群系统二值一致性算法,该系统仅可采样表征相邻智能体距离是否超过阈值的位序列信息,且存在信道干扰和测量噪声。通过采用递归投影算法估计相邻智能体的状态值,基于李雅普诺夫稳定性理论,推导出集群均方一致性条件,使系统所有状态收敛到相同的值,且递推投影算法的估计误差一致最终有界。最后通过数值仿真验证了控制效果。相比已有二值一致性算法,本文通过设计适用于二值观测条件下的干扰估计器,有效的提升了系统在复杂通信条件下的抗干扰能力。3.研究具有外部扰动的集群系统二部一致性问题。利用基于UDE的鲁棒控制策略,提出了一种适用于具有外部扰动的集群系统二部一致性鲁棒控制算法,并分析了所设计的一阶滤波器的不同时间尺度对二部一致性的影响,基于李雅普诺夫稳定性理论,给出二部一致性条件。数值仿真结果表明,采用该方法,拓扑结构中的负值交互权重将集群成员分为对立的两部分,其状态最终分别收敛于互为相反数的两个值,且基于UDE的估计误差一致最终有界。