随着社会生产生活智能化水平的提高,多机器人之间的协作广泛存在于智慧物流、无人工厂以及协同环境监测等领域,这对多机器人系统提出了复杂的任务要求,例如,工作环境中的任务需要多种异构机器人的协同配合才能满足,不同任务的执行需要满足一定的时序约束等。考虑时序约束的经典任务规划算法存在可拓展性较差及求解效率低等问题,适用场景受到很大限制。基于上述背景,本文提出了一种多机器人时序任务规划算法框架,用于求解时序逻辑约束下的多机器人任务协同规划问题,主要包括:针对时序与协同约束下的机器人任务建模难和规划复杂度高等问题,本文利用线性时序逻辑语言来描述协同任务要求,基于相应的自动机理论识别该协同任务要求中可以相互独立执行的部分并进行独立性分解,从而降低实际执行中机器人之间的耦合程度;为进一步减小任务规划问题的规模,本文建立SMT（Satisfiability Modulo Theories）模型来求解时序逻辑约束下的协同任务分配问题,并考虑通信受限的情况下如何满足协同任务之间的时序约束。此外,该方法利用SMT模型的迭代求解机制实现了对任务分配方案的快速遍历与筛除。针对机器人同时具有个体任务要求和协同任务要求的复杂规划问题,本文提出一种可由个体机器人本地计算的执行策略求解算法,求解得到的执行策略可以满足任务的时序与协同要求,同时该本地求解过程也降低了规划算法的计算复杂度。本文进一步针对多机器人执行协同任务时产生的协同等待时间,提出一种基于分布式通信的执行策略迭代调整机制。机器人根据与其它机器人的信息交互,在本地迭代地调整自身的执行策略以优化在执行协同任务时的等待时间,进而有效降低多机器人的总时间损耗。针对本文提出的多机器人时序任务规划框架,本文进行了相关的理论分析与仿真验证。本文在一定的假设下证明了该算法的完备性,并分析了其时间复杂度以及影响机器人执行策略最优性的因素。另外,本文在不同机器人数量、任务类型和环境规模下进行了大量的仿真实验,通过与基于全局乘积自动机的常见算法对比,验证了本文提出的多机器人时序任务规划算法在可拓展性和求解效率上的性能优势。实验结果也验证了本文提出的机器人执行策略迭代调整机制的快速收敛性与良好的策略优化效果。