随着科技迅猛发展,控制系统变得日益复杂,现如今的控制系统已由简单的,易于描述的,计算成本低的单个系统变成了复杂的,高成本的多个智能体组成的系统,给系统的分析带来了很大的困难。而多智能体系统采取分布式控制技术,能够实现单系统所不能实现的控制目的,其广泛应用于生物系统、多机器人网络、无人机的编队控制、网络资源分配的控制领域等。一致性\跟踪控制问题是多智能体系统控制研究的根本问题。多智能体系统的一致控制是指所有智能体的状态或输出都趋于一致。多智能体系统的跟踪控制是所有跟随者的输出都收敛到领导者输出的小邻域内。另一方面,复杂的传输环境难免会导致诸多因素的发生,例如执行器故障,执行器饱和,事件触发,输入量化,拮抗相互作用等等。结合上述问题本文进行了如下的研究:1)研究了具有执行器故障和输入饱和的随机非线性系统网络协同容错控制问题。利用模糊神经网络来估计未知函数和随机扰动项。为了分析非微分饱和非线性,构造了控制输入信号的平滑非线性函数来估计饱和函数。利用后推技术,提出了一种新的自适应容错控制协议。通过随机李亚普诺夫稳定性理论,证明了所有的跟随者输出最终收敛于领导者输出的一个小邻域,并且闭环系统中的所有信号都是依概率有界的。最后,通过仿真验证了该控制策略的有效性。2)研究了随机非仿射多智能体系统的事件触发模糊自适应量化控制问题。利用模糊逻辑系统估计随机扰动项和未知非线性函数。利用扇区约束特性,提出了一种非对称迟滞量化器的非线性分解方法。此外,为了减少通信负担,构造了一个具有可变阈值的事件触发协议。基于后推技术和随机李亚普诺夫函数理论,构造了一种新的自适应事件触发模糊控制协议和自适应律,证明了在闭环系统中,所有的信号依概率有界的,所有的跟随者的输出都收敛到领导者输出的邻域。仿真结果表明了该方案的有效性。3)研究了具有拮抗相互作用和未知迟滞的非线性网络系统的双边一致跟踪控制问题。多智能体系统中每个智能体都是独立个体的广义网络模型;这种模型允许竞争和合作的互动共存。引入高斯函数来模拟两个智能体之间的合作与竞争,并利用径向基函数神经网络来估计未知非线性函数。基于后推技术,提出了一种新的分布式自适应神经控制协议,既实现了双边一致控制,又保证了双边同步误差收敛到原点附近的小范围内;并且所有信号都是有界的在闭环系统中。最后,通过仿真实例验证了所得结果的有效性。