多智能体系统及其协同控制在大范围目标搜索、交通车辆控制、协作运输、环境监测、网络资源优化等领域有着广泛的应用,成为当前控制学科的一个热点问题。而一致性问题是多智能体系统协同控制的基础和核心。因此本文以提高一致性收敛速度为目的,设计多智能体系统的一致性算法,并将所设计的算法应用到多机器人编队控制中,具体内容如下:(1)针对连续的多智能体系统,提出一个含有过时状态的二层邻居连续一致性算法。该算法不仅利用了一二层邻居的当前状态,还融合了其过时状态,同时对该算法的稳定性和收敛性能进行理论分析。当过时状态选择恰当时,与标准二层邻居连续一致性算法相比,该连续一致性算法具有收敛速度更快的优势。同时对该连续一致性算法进行扩展,使得系统状态之间的相对偏差收敛到给定的期望值。仿真实验表明了该算法的有效性。(2)针对离散的多智能体系统,对本文提出的含有过时状态的二层邻居连续一致性算法进行扩展,提出一个含有过时状态的二层邻居离散一致性算法。该算法不仅使用了一二层邻居的当前状态,还包含了其过时状态,同时对该离散一致性算法的稳定性和收敛性能进行理论分析。对任意的过时状态,当采样周期选择恰当时,与标准二层邻居离散一致性算法相比,该离散一致性算法具有收敛速度更快的优势。同时对该离散一致性算法进行扩展,使得系统状态之间的相对偏差收敛到给定的期望值。仿真实验验证了该离散一致性算法的有效性。(3)将本文提出的含有过时状态的二层邻居一致性算法应用到多机器人编队控制中,设计基于一致性算法的编队控制策略,实现多机器人一字形编队和三角形编队应用。然后分别通过仿真和多机器人实验平台完成这两个编队应用,验证了该编队控制策略的有效性。