近年来，随着网络通讯和计算机的快速发展，多智能体系统的分布式协调控制引起了国内外不同领域的专家学者们的广泛关注。在多智能体系统的研究中，各个智能体通过分布式的相互协作，使整个系统形成规则有序的协同运动。目前大部分关于多智能体系统研究的文献中考虑的智能体模型均为一阶或者二阶积分器模型，但是实际的物理系统往往具有本质的非线性，而且一般无法简化为线性积分系统的形式。很多机械系统都可以用Euler-Lagrange方程进行建模，如操作机器臂、自动车辆、步行机器人以及航天器姿态动力学等。因此，对多Lagrange系统分布式协调控制的研究有着很重要的意义。本文就是在总结现有结果的基础上，从理论方面对多Lagrange系统的分布式协调控制进行了深入的研究。论文的主要内容和研究成果如下：　　首先在仅有部分跟随者能获取领航者信息的限制下，分别在无向和有向拓扑结构中研究了多Lagrange系统的分布式协调跟踪控制，并考虑了系统的参数不确定性。在无向拓扑结构中，对常速度领航者，设计了分布式连续估计器，利用级联系统的稳定性理论证明了所提算法的稳定性；对变速度领航者，使用智能体的一次和二次邻居信息设计了分布式滑模控制算法，实现了对时变领航者的精确跟踪。在有向拓扑结构中，对静态领航者，提出分布式自适应控制律，利用输入到状态稳定性理论证明了系统的稳定性；对动态领航者,设计了分布式连续估计器，当每个跟随者均能获取领航者的加速度信息时，设计的分布式控制律能实现对领航者的渐近跟踪，而当跟随者不能完全获取领航者的加速度信息时，跟踪误差是有界的，并指出可以通过选取控制增益，使得跟踪误差足够小。　　针对存在多个领航者的情形，在有向拓扑结构中研究了存在参数不确定性的多Lagrange系统的分布式包含控制。对所有领航者均为静止的情形，设计了分布式自适应控制算法，利用输入到状态稳定性理论证明了所提算法的稳定性。考虑到智能体间相对速度难以测量的实际情形，对领航者均为静态的包含控制和无领航者的一致性问题分别设计了无需相对速度信息的分布式控制算法，并针对当智能体间拓扑结构为无向时，设计了基于无源估计器的分布式控制算法，该算法无需任何绝对和相对速度信息。当所有领航者均具有常值速度时，设计了分布式连续估计器对跟随者的期望速度进行估计。当领航者具有时变速度的情形，为保证控制算法的连续性，对每个跟随者设计了两个滑模估计器，分别对跟随者的期望速度和期望加速度进行估计，并提出了分布式控制算法使得所有跟随者最终收敛到领航者围成的动态凸包内。　　对存在非线性不确定性和外部扰动以及多个领航者情形，在有向拓扑结构中研究了多Lagrange系统的分布式包含控制。首先基于神经网络算法给出了二阶非线性系统的分布式包含控制算法，从理论上证明了可以通过设定算法的控制增益使得系统的包含误差减少到任意小的区域。通过将该算法进行适当的修正，使其可以用于解决存在非线性不确定性和外部扰动以及多个领航者情形下多Lagrange系统的分布式包含控制。针对智能体间相对速度信息难以测量的实际情形，设计了无需智能体间相对速度信息的分布式控制算法。