随着人工智能的发展,多智能体的协同控制在机器人协作、飞行器编队和柔性制造等诸多方向的应用都有良好的前景,受到越来越多的关注。本文研究了非线性多智能体系统在非严格反馈结构下的双向一致性以及包容控制问题。针对合作竞争多智能体系统,在输入饱和存在时提出了能够在有限时间内实现双向一致性的控制策略。针对系统中状态不可测量的情况,提出了基于神经网络状态观测器的自适应有限时间包容控制策略。论文研究的主要内容概述为:1.针对存在输入饱和情况的合作竞争非严格反馈非线性多智能体系统,通过将自适应神经网络控制与有限时间命令滤波反步法相结合,提出了自适应神经网络有限时间双向一致性跟踪算法。在反推过程的每一步中,均采用径向基函数神经网络来重新表示未知的非线性动态,并使用有限时间命令滤波器来获得中间信号及其导数。此外,通过使用误差补偿信号消除了滤波误差。利用有限时间Lyapunov稳定性理论,在存在输入饱和的情况下证明了系统的双向一致性跟踪误差可以在有限时间内收敛到原点附近足够小的区域,而且闭环系统中的所有信号都在有限时间内有界。通过Matlab/Simulink仿真实现了此控制策略,验证了其有效性。2.针对非严格反馈非线性多智能体系统,提出了基于神经网络状态观测器的自适应有限时间包容控制策略。通过使用有限时间命令滤波器来克服计算复杂性问题,并且建立了基于分数幂的误差补偿信号,补偿了由滤波器引起的滤波误差。然后,结合自适应控制技术和神经网络状态观测器,提出了一种基于有限时间命令滤波反步的分布式控制方法,可以保证在存在不确定动态和系统状态不可测的情况下,包容控制误差能够在有限时间内到达原点附近的期望邻域。最终,通过Matlab/Simulink对所提出的控制策略进行数值模拟,验证了其有效性。