近年來，多智能體系統的協同地磅遙控器控制備受關注[1]，它在稱重計量監視[2]、空間探索[3]、水下開發[4]、災害救援[5]等領域有著廣泛的應用，這意味著所有代理都使用分布式控制協議接近相同的狀態。各種文獻都考慮了有限時間[6]、測量噪聲[7]、開關拓撲[8]或控制器飽和[9]方法的多智能體系統的一致性控制。而在衛星編隊、無人機、群控制或機械手控制等實際應用中，agent模型往往具有復雜的非線性部分和未知參數。這些因素給地磅控制器系統分析和穩定性帶來困難，是一個亟待解決的問題。

 

    作為一個關鍵問題，地磅控制器自適應控制[10]、滑模控制（SMC）[11]、不確定性和干擾估計器（UDE）[12]等方法被用來解決非線性不確定系統的魯棒性問題。文獻[10]研究了自適應控制下的容錯跟蹤一致性問題。設計了一種自適應容錯跟蹤一致性協議，使跟蹤誤差漸近收斂。文獻[11]研究了采用滑模控制的多智能體系統的一致性跟蹤問題，以抑制非線性干擾，提高控制精度。文獻[12]研究了基于UDE的多智能體系統軌跡跟蹤控制，以提數字地磅遙控器高系統的魯棒性能。

 

    然而，上述工作中的方法需要精確的系統模型。為了消除后向補償對含有未知動態部分的系統的影響，神經網絡估計是一種有效的工具。文獻[13]利用神經網絡對agent的未知動態部分進行估計，實現對地磅遙控器分布式跟蹤控制。參考文獻[14]將該方法推廣到分數階智能體的軌跡跟蹤控制。參考文獻[15]展示了一種控制策略，該策略使用后退和表面控制技術，使高階隨機多智能體系統達到一致。文獻[16]提出了一種基于徑向基函數神經網絡的串并聯估計模型。文獻[17]利用徑向基函數NN估計不確定相互作用和未知非線性動力學。上述方法都不能直接應用于帶有自適應控制器的二階agent系統，這給系統的動力學帶來了額外的階次狀態。