随着科技的发展，控制系统的规模变得更大，控制任务也变得更加复杂。多智能体系统的协同控制能将大规模任务拆分为多个子任务交由各个智能体分别完成.因此它在机器人野外搜索，无人机编队，无线传感器覆盖等方面有着广泛的应用。其中智能体的一致性问题吸引了许多学者的注意，并已取得了很多有价值的研究成果.不过，在实现多智能体一致性的基础上，仍有许多课题值得进一步的研究和分析。例如降低智能体之间的通信频率，减少通信的信息量，减少执行器的控制次数等等。　　事件驱动策略就为多智能体一致性控制提供了这样的一种控制方法。它首先设计了一种驱动函数，当该函数满足一定条件时，称做发生了一次事件。只有当事件发生时，智能体的处理器才更新控制信号。在某些事件驱动方法中，除了智能体的处理器只在事件时刻更新信号，也只有在事件时刻才采样及传递信号。本文在多智能体一致性已有研究成果的基础上，利用事件驱动策略对多智能体的一致性问题进行了研究，主要的研究成果如下:　　1.研究了事件驱动控制策略在具有有向拓扑的一阶多智能体系统的一致性问题上的应用。针对给定的多智能体系统动态，分别设计了与时间指数相关的集中式驱动函数和与智能体状态相关的集中式驱动函数。对于这两种驱动函数，利用李雅普诺夫函数方法，给出了一阶多智能体系统实现一致的判据。随后引入了分布式事件驱动控制策略以实现多智能体系统的分布式一致性控制。为进一步减少智能体之间的通信次数，改进了分布式驱动函数以避免邻居间的连续通信。同时证明了任意两次事件之间的时间间隔具有正下界，排除了事件在有限时段内的无限聚集。　　2.研究了事件驱动控制策略在具有有向拓扑的二阶多智能体系统一致性问题上的可行性。首先，设计了集中式事件驱动函数，利用李雅普诺夫函数方法，给出了具有有向拓扑的二阶多智能体系统实现一致的判据，同时给出了一致性控制算法参数的设计方法。其次，为多智能体系统中的每一个智能体设计了分布式事件驱动函数，使该驱动函数只需要利用邻居的状态信息而非系统中所有智能体的信息。为给出二阶多智能体系统在这种驱动函数控制下实现一致的充分条件，设计了合适的李雅普诺夫函数。最后，为进一步减少智能体之间的通信次数，改进了分布式事件驱动函数使其只依赖于邻居智能体在事件时刻的状态。在以上三种驱动函数下，任意两次事件之间的时间间隔均具有正下界，排除了事件在有限时段内的无限聚集。　　3.研究了事件驱动控制策略在有领导者的二阶多智能体系统的跟踪问题上的应用。假设该系统拓扑为有向拓扑且拓扑图具有以领导者为根节点的有向生成树。针对领导者、跟随者的动态，为跟随者设计了基于智能体状态的集中式和分布式两种驱动函数。利用李雅普诺夫函数方法，图论的相关知识，Kronecker积的相关性质，分别获得了两种驱动函数下实现跟踪一致的充分条件。最后证明了在两种驱动函数下，任意两次事件之间的时间间隔具有正下界，排除了事件在有限时段内的无限聚集。　　4.研究了事件驱动控制方法在具有非线性动态的多智能体系统一致性问题上的有效性。针对具有无向连通拓扑的一阶多智能体系统和二阶多智能体系统分别进行了研究讨论。为一阶多智能体和二阶多智能体系统分别设计了集中式、分布式两种驱动函数和对应于这两种驱动方法的基于事件时刻状态的一致性控制算法。假设智能体动态中的非线性项满足Lipschitz条件，通过设计合适的李雅普诺夫函数方法给出了多智能体系统实现一致的充分判据以及控制算法参数需满足的条件。最后通过分析事件之间的时间间隔排除了事件在有限时段内的无限聚集。　　5.研究了与自适应控制相结合的事件驱动方法在一阶多智能体系统上的应用。利用智能体和邻居在事件时刻的状态，分别设计了为系统拓扑中的边分配时变权重的自适应方法和为系统拓扑中的节点分配时变权重的自适应方法。通过与分布式事件驱动策略相结合，控制算法的参数能够与智能体在事件时刻的状态进行动态调节。利用李雅普诺夫函数方法及Barbalats引理，给出了这两种自适应事件驱动方法下系统实现一致的充分判据。最后证明了任意两次事件之间的时间间隔具有正下界，排除了事件在有限时段内的无限聚集。