近年来,由于多智能体系统的协同控制理论在不同学科领域有着广泛的应用前景,例如多机器人编队控制、无人机编队飞行、无线传感器网络信息融合及多节点监测等,因而得到了学术界及工业界越来越广泛的关注。一致性问题作为多智能体系统协同控制理论的首要问题,通过设计智能体局部之间的通信法则,使所有智能体的状态或输出信息最终趋于共同的值。通常来说,现有的一致性问题主要关注两个基本控制问题:有领导者的协同一致性问题及无领导者的协同一致性问题。前者通过设计合适的分布式控制协议,使得跟随者的所有状态或输出信息最终与领导者达到一致,又称为协同一致性追踪问题。后者通过设计合适的协议,使所有智能体趋于一共同的平衡点,该平衡点取决于所有智能体的初始状态。事实上,领导者的引入可以极大的拓展多智能体系统的工程应用,可以保证所有智能体追踪到领导者的轨迹。因此,本文主要研究有向网络拓扑结构下多智能体系统的协同一致性追踪问题,其有向网络拓扑为任意含有领导者作为根节点的生成树的有向图,针对具有一般系统动态的多智能体系统模型,结合代数图论、矩阵理论、Lyapunov稳定性理论及神经网络逼近理论,对带有通信受限、时滞、系统不确定性、外界扰动等特性的多智能体系统进行分析,提出有效的分布式追踪控制协议,给出系统实现协同一致性追踪的充分条件。具体的说,本文的主要创新工作包括如下几个方面:第一,研究了通信受限下的非线性多智能体系统的协同追踪问题。与已有文献不同,通信受限条件不仅考虑可变的有向网络拓扑结构,而且各智能体之间可以存在间断式的通信。在此通信条件下,首先,针对于一类非时滞非线性多智能体系统的协同追踪控制问题,提出了一种有效的分布式控制策略。通过构造多Lyapunov函数及线性矩阵不等式技术,得到了一组新颖的充分条件,即对于每一段拓扑持续时间内,如果各智能体之间通信率大于一阈值时,所提控制协议能够保证系统协同追踪一致性。然后,进一步研究了具有未知时滞的非线性多智能体系统的协同追踪问题,通过利用不等式技术及Lyapunov稳定性理论,提出相应的分布式追踪控制协议,给出未知系统时滞、通信率及可变拓扑持续时间的相互关系,并表明以上因素对系统收敛速度与控制代价都有影响。值得注意的是一类非时滞(时滞)混沌系统的主从同步可以作为以上结果的特殊形式,因此所得结果可以更好地拓展实际应用前景。第二,研究了具有未知非线性动态、时变时滞及外界扰动的异构非线性多智能体系统的协同追踪问题。提出了一种基于神经网络的自适应控制策略,通过构造一种新颖的Lyapunov-Krasovskii函数及神经网络控制技术的引入,有效地弥补了未知系统时滞、非线性动态及外界扰动带来的不确定性。并给出系统协同追踪最终误差上界与未知系统时滞上界、网络拓扑结构及控制参数有关,从而可以通过合理地选择控制参数降低追踪误差,提高协同追踪一致性性能。与现有结果相比,所提控制方案不仅降低了系统实现协同追踪一致的保守性,而且还对外界扰动具有很好的鲁棒性。第三,研究了具有未知执行器故障、非线性动态及外界扰动的异构非线性多智能体系统的协同追踪问题。为了保持系统在故障条件下的可靠性和安全性,提出了一种基于神经网络的协同容错追踪控制协议。除了引入神经网络对未知非线性动态进行逼近,本文提出了一种改进的鲁棒补偿控制项,可以进一步有效地消除神经网络逼近误差、外界扰动及执行器故障对协同追踪一致性的影响。特别的,如果控制增益满足一定的条件,所提协同容错控制方案可以同时适应于解决有无执行器故障的多智能体系统协同一致性追踪问题,并且无需进行复杂的故障检测及隔离等处理。另外,通过Lyapunov稳定性证明,推导出协同追踪最终误差上界、网络拓扑结构和控制参数之间的关系,因此可以有效地选择控制参数提高系统实现协同追踪一致性的性能。最后,研究了基于几何方法的完全异构多智能体系统协同追踪问题。由于各智能体系统动态的不一致性,因此研究完全异构的多智能体系统比具有相同系统动态或只具有不同非线性动态的多智能体系统更加复杂。首先,结合一种改进的局部动态补偿器,基于控制器及观测器两种基本设计方法,分别构造了三种分布式控制协议,利用基于优化设计的Riccati方程给出相应的控制增益矩阵。然后,基于Kalman观测形式,首次详细阐述了各智能体与领导者系统动态之间的几何关系,理论证明出领导者部分系统动态隐藏于各智能体系统动态中,并且给出新坐标体系下的输出调节器方程。最后,基于以上几何系统理论的思想,提出了一种有效的降维动态补偿器,值得一提的是,如果各智能体同时具有降维动态补偿器和静态状态反馈器,可以保证各智能体协同趋近于领导者的输出信息。