与单智能体相比,多智能体系统因具备更出色的任务执行能力和效率,受到各界学者的广泛关注。编队控制作为多智能体系统的重要研究分支之一,在军事、民用领域具有广泛应用前景,如精确军事作战、重物定点搬运等,这要求编队系统具有更优的控制精度和鲁棒性。在实际系统中,由于通信不稳定、系统个体特性异质、环境障碍物等因素,传统的编队系统难以同时满足控制精度和鲁棒性的要求。为此,本文围绕引导者状态估计器设计、跟踪控制器设计开展研究,设计了兼具控制精度和鲁棒性的分布式多智能体编队系统。具体研究内容为:提出了一种基于引导者全息状态估计器的分布式编队控制架构。设计引导者全息状态估计器,将复杂的基于图论编队控制策略,转换为引导跟随控制策略。此时,可以针对个性特性独立设计具有避障能力的最优控制器,从而使系统兼具控制精度和鲁棒性。然后,理论分析了引导者信息对编队系统动力学的影响,证明了分布式编队系统在跟随者均已知引导者信息的情况下,能达到集中式系统的编队精度。受无线通信距离限制,每个跟随者无法直接获取准确的引导者全息状态。为此,本文基于滑模控制理论,设计了一种与模型无关的引导者全息状态估计器。应用Lyapunov稳定性理论分析了全息状态估计器的收敛性。通过仿真实验,验证了随机通信拓扑条件下,每个跟随者通过该估计器,能快速、准确地估计引导者的状态信息和控制信息。为提高编队系统鲁棒性,使异质系统在动态环境下具有良好的编队性能,基于模型预测控制理论,为每个跟随者单独设计具有避障能力的状态跟踪控制器。以四轮差速智能车为对象,建立动力学模型并线性化。通过建立引导者状态与跟随者期望状态之间的解析关系,构建基于碰撞风险模型的避障约束,设计状态跟踪控制器并通过仿真验证了异质系统的编队精度和鲁棒性。为了验证所提系统在大范围场景下的有效性,搭建MATLAB/Simulink仿真模型,对比分析本文系统、集中式系统与其他分布式系统的编队性能。进一步,基于树莓派差速智能车搭建实验平台,对系统进行验证,并与H∞分布式系统进行对比。综合实验结果可知,在通信不稳定、系统个体特性异质、环境障碍物的条件下,本文所提系统能兼具编队控制精度和鲁棒性。