矿山生产活动中,矿山井下安全巡检是保障矿山安全生产的一项重要任务。但由于大部分矿山井下环境条件复杂,新技术应用难度大,故矿山井下安全巡检基本上采用人工巡检的方式。而人工巡检往往所需时间周期长,获取的信息也会掺杂巡检人员的部分主观因素,从而带来了信息获取效率低、不及时和可信度低等问题,这也是众多矿山事故和人员伤亡产生的主要原因。由此可见,人工巡检的方式不但巡检结果可靠性低,而且巡检人员自身的安全也存在隐患。按照我国矿山未来无人化建设的目标,矿山巡检机器人的应用将是必然的趋势。而随着多智能体系统的成熟,以多个智能体的协同来实现复杂功能成为可能。故本文在多智能体协同控制的基础上研究了矿山巡检机器人的应用,具体工作如下:针对矿山巡检机器人多智能体实现既定巡检功能的路径规划和避障问题,利用神经网络和Q-learning算法融合的深度强化学习算法,在实现多智能体巡检路径自适应规划的基础上完成智能体避障,解决传统动态规划维数灾难问题,并就采用的算法以仿真的形式检验其收敛性和可行性。最后在生物体菌群协作机制的启发下建立信息共享网络,优化矿山巡检机器人多智能体系统的协同控制。针对矿山井下存在环境状态突变区域,区域内巡检机器人需要具备应对突发状况的能力,以及巡检机器人节能问题也需考虑的现状。在充分利用已有矿山设备的基础上,通过RBF神经网络和系统动力学方程设计自适应控制律,并利用李亚普洛夫稳定性原理和图论研究多智能体系统的稳定性,最后通过仿真研究了带有领航者的矿山巡检机器人多智能体系统的一致性,验证控制律设计的合理性。针对矿山井下多智能体获取监测信息的不同,以及每类信息对信息传输网络要求的差异建立“光纤+Wifi+LoRa”模式的融合传输网络,在保证多智能体正常信息传输需求的同时,降低智能体能耗。同时,在矿山巡检机器人多智能体系统的通信拓扑结构因障碍物或事故而改变的状况下,提出切换拓扑一致性控制研究方法,实现动态拓扑结构下多智能体系统的一致性,并利用边缘计算的本地无服务计算功能实现机器人智能体信息采集断网续传、本地存储和自决策等功能。针对多智能体间信息传输存在传输时延的情况,将传输时延进行归类,同时根据时延的类别分别设计对应的控制律,并利用Lyapunov稳定性判定原理验证系统的稳定性,最后通过仿真验证了系统的一致性。