有关多智能体系统的研究,在现实生活中得到了广泛的应用。当我们希望设计的控制器能使系统达到预设的性能评估,例如给定的稳定同步误差、最大误差超调量以及误差收敛速度时,系统中存在的非线性或不确定因素常常使得评估难以实现。为了避免进行试错实验,有学者提出了一类基于转换误差的预设性能控制去解决这一问题。这类方法在控制器中引入了转换误差,形式简单且适应性强。但由于高性能要求以及个体之间信息交互的影响,控制器在运行过程中极易抖振,影响系统稳定性。本文尝试基于障碍Lyapunov函数方法设计自适应控制器,在实现系统预设性能的同时保证控制器的平滑性。具体的工作和创新如下:本文定义了一类新的分布式障碍Lyapunov函数去约束多智能体系统中的误差量,并利用神经网络近似动力学方程中的非线性项。随后在设计控制器时,本文将存在的易抖振的项引入神经网络权重更新律中,避免在控制输入中直接出现。在这一框架下论文主要研究了以下几个问题。1.本文首先考虑了一类通信拓扑包含有向生成树的非线性多智能体系统的同步问题,利用分布式障碍Lyapunov函数对同步误差进行约束,提出了一类基于障碍Lyapunov函数的神经网络自适应控制律。2.本文进一步针对通信拓扑包含有向生成树的二阶非线性多智能体系统,设计了与位置和速度误差均有关的滑模面误差,然后利用障碍Lyapunov函数对滑模面误差进行限制从而实现对同步误差的约束,同样提出了一类基于障碍Lyapunov函数的神经网络自适应控制律。3.本文考虑了一类通信拓扑为树结构的非线性多智能体系统,期望实现给定编队形状的同时智能体间连接保持。综合以上要求,相对位置误差的上下界与通信范围和期望的相对位置有关。随后本文提出了相对应的基于障碍Lyapunov函数的神经网络自适应控制律。实验结果证明所设计的控制律能够保证相关问题中的误差以不小于给定值的速率收敛到给定范围内,且控制律较平滑。