结构复杂的实际系统本质上往往具有非线性、高阶次与强耦合的特征。为保证系统安全稳定运行,系统的输入、状态以及输出会受到自身物理器件、外部环境等各种因素的限制。目前,针对具有约束的单个系统控制问题已得到充分研究,但关于多智能体系统约束控制问题的研究还不够完善。因此,研究非线性纯反馈多智能体系统的约束控制问题具有重要意义。针对具有约束的非线性纯反馈多智能体系统,本文采用非线性映射方法,研究了跟踪控制问题。主要完成的工作如下:（1）针对有向图下的非线性纯反馈多智能体系统,提出了具有全状态约束的有限时间跟踪控制策略。首先,为解决全状态约束,本文引入非线性映射方法将原受限状态变量一一映射为无约束的新状态变量。进而,结合反步法以及分数阶动态面控制方法,提出了一种基于神经网络的分布式有限时间跟踪控制算法。根据有限时间稳定性理论,分析证明了多智能体系统的误差能在有限时间内收敛,同时还保证了系统的全状态在设定的约束范围之内。最后,通过两组数值仿真进一步验证了所设计的跟踪控制算法的可靠性与有效性。本文采用的非线性映射方法不同于传统基于障碍李雅普诺夫函数的方法,无需考虑约束条件,避免了重构李雅普诺夫函数,降低了设计的复杂程度。（2）针对有向图下的不确定高阶非仿射纯反馈多智能体系统,在控制方向已知或控制方向未知两种情形下,研究了同时具有输入饱和约束与全状态约束的一致性跟踪控制算法。采用双曲正切函数、中值定理以及非线性映射方法解决非仿射纯反馈系统的输入饱和与全状态约束问题,将非仿射纯反馈系统转换为严反馈系统,降低控制器设计过程的复杂度。另外,采用径向基神经网络对系统未知非线性函数进行估计。通过反步法以及动态面控制方法,递推出了一种全状态与输入约束下的一致性跟踪控制算法,避免了“微分爆炸”问题。并根据李雅普诺夫稳定性理论,证明了系统的稳定性,同时还保证了系统输出以及全状态变量在设定的约束范围之内。在此算法基础之上,应用Nussbaum函数进一步考虑控制方向未知的情况。最后对所设计的控制算法通过仿真进一步验证可行性与可靠性。