多智能体系统的分组一致控制已经广泛应用于实际的工程领域中,如机器人和飞行器。同时执行器由于其工作环境的恶劣易发生故障。本文主要研究了一类含执行器故障的线性多智能体系统的分组一致控制问题。一方面,利用自适应控制技术和故障观测器等技术补偿系统中存在的执行器故障,并且根据李雅普诺夫函数方法分析系统能够达到分组一致。另一方面,为了解决大规模多智能体系统的多组一致控制问题,将云计算引入到多智能体系统来减少单个智能体的通信负担。主要工作内容如下:1、针对切换拓扑下含执行器故障的二阶线性多智能体系统,提出基于自适应控制增益的控制协议解决分组一致问题。考虑入度平衡的多智能体系统,将多组问题转化为单组问题来处理。首先,根据跟随者与领导者的状态误差和时变拉普拉斯矩阵设计自适应控制增益的更新律,其自适应控制增益更新律中的参数可调节。然后,根据组内邻居信息和组间邻居信息,以及自适应控制增益和时变的通信权重设计分组一致控制协议处理系统中存在的乘性执行器故障。接着,利用李雅普诺夫函数方法得出系统的状态误差是一致最终有界的。通过数值仿真验证了自适应分组一致控制协议能够有效地补偿执行器故障和达到分组一致。2、针对切换拓扑下含执行故障的异构多智能体系统,提出基于固定时间观测器和自适应控制增益的控制器解决分组输出一致问题。考虑到异构系统中跟随者的状态维度不同,所以仅研究跟随者的输出一致问题。首先,提出固定时间领导者矩阵观测器为每组的跟随者观测其领导者矩阵。接着,根据观测到的领导者矩阵设计固定时间领导者状态观测器。不同于单组多智能体系统中的观测器,不仅基于图论知识和跟随者的组内邻居信息,还利用组间邻居信息设计了固定时间观测器。然后,根据观测到的领导者矩阵设计更新律求解调节方程。针对系统中存在的乘性执行器故障,利用跟随者的状态信息和调节方程的解设计自适应控制矩阵的更新律。接着根据领导者状态、控制矩阵和调节方程的解设计自适应分组一致控制协议。利用李雅普诺夫函数方法分析得出观测误差能够在固定时间内收敛和得到固定收敛时间的上界,并且得到每一组跟随者的调节输出是最终收敛到零的。通过一个数值仿真和移动机器人仿真验证了所提出控制协议的有效性。此外,提出不需要入度平衡条件的领导者状态观测器。最后通过数值仿真验证所提出观测器的有效性。3、针对含执行器故障的多组异构线性多智能体系统,提出基于故障观测器的云控制方案解决输出一致问题。基于云的输出一致控制方案包括执行器故障观测器和云预测控制协议。在云框架下,每个组中的智能体只将自己的信息发送给相应的云节点,云节点为智能体发送下一个控制命令。因此无论网络规模如何,每个智能体的通信负担都保持不变,和传统的分布式控制方法相比,有效降低能耗。在云中,通过从传感器接收到的延迟输出来重建智能体的延迟状态,并根据观察到的延迟状态设计状态预估器。然后,由一组动态变量和预测输出构成的云预测控制协议补偿从云到执行器的网络延迟。接着,利用预测输出和本地输出设计执行器故障观测器。根据云预测控制协议和故障观测器设计基于云的输出一致控制控制方案补偿偏执执行器故障。从理论上分析出系统稳定的充分条件,证明所提出的基于云的控制方案使多智能体系统稳定并实现输出一致。最后,利用数值仿真和物流机器人仿真来验证所提出的控制方案的有效性。