多智能体系统(Multi-Agent System,MAS)是在一个环境中交互的多个智能体组成的智能分布式系统。研究多智能体系统的主要目的就是期望功能相对简单的多个智能体之间能够进行分布式合作协调控制,最终完成复杂任务。在多智能体分布式协调合作控制问题中,一致性问题作为智能体之间合作协调控制的基础,具有重要的现实意义和理论价值。本论文主要针对两类问题展开进行研究,第一类问题主要针对一类非线性多智能体系统,在系统不确定性,通信干扰和执行器故障等干扰因素的影响下,解决了一致性问题。假定所有干扰因素均受系统内部和外部影响,内部影响是根据对系统状态的依赖性来描述的,而外部行为则受有界范围的限制。为了获得状态依赖和恒定范围自适应律的信息,设计了一种基于神经网络自适应机制来估计依赖率和界限,基于这些估计,构造了分布式自适应滑模控制器以消除那些干扰因素的影响。然后基于李雅普诺夫稳定性理论,实现了闭环自适应多智能体系统的一致性。最后,所设计的自适应一致性控制策略的有效性通过具有四架F-18飞机纵向模型的耦合系统进行MATLAB/Simulink仿真验证。第二类问题主要针对一类非线性领导跟随多智能体系统,在系统执行器故障,外部附加干扰和不确定性的作用下,通过开发一种新颖的神经网络学习策略解决了系统的鲁棒一致性问题。为了达到理想的一致性结果,论文提出了一种由自适应技术组成的神经网络学习算法。该算法可以对未知的非线性函数进行逼近,并且可以估计执行器故障的未知范围,基于这些近似值和估计值,设计了一种鲁棒自适应容错一致控制策略,然后利用李雅普诺夫稳定性定理来获得所产生的闭环领导跟随系统的所有信号的有界结果。最后,所设计的控制策略的有效性通过耦合非线性强迫摆系统进行MATLAB/Simulink仿真验证。最后,论文对本课题所做的研究进行了总结和期望,总结本论文所做的主要工作和提出对未来研究需要努力的方向。