针对不确定非线性多智能体系统的最优协同控制问题, 提出了基于辨识-评价结构的在线自适应最优控制方案。由于存在不确定性, 针对每一个智能体, 分别使用一个辨识神经网络用于估计多智能体系统的动态, 以及一个评价神经网络用于近似耦合哈密顿-雅可比方程的解, 继而导出最优协同控制律。基于辨识-评价结构, 辨识神经网络和评价神经网络可以同步调整权值。通过李雅普诺夫(Lyapunov)直接法同时保证辨识神经网络和评价神经网络的权值误差一致最终有界, 及闭环系统的稳定。最后通过仿真验证了所提方案的有效性。

研究了高超声速飞行器的姿态运动间的强耦合问题并设计了姿态协调控制器，首先基于状态变量间耦合度推导了耦合熵，再基于耦合分析设计了协调因子，其中将状态变量间的耦合熵作为协调因子的参数，然后引入协调因子设计了姿态控制器。仿真结果表明，所设计的协调控制器可有效应对高超声速飞行器姿态运动间的强耦合问题，在保证姿态稳定的前提下，实现了姿态角之间的协调控制。

为使智能轮椅床在自主运行时,能随时响应周围其它对象的指令并实施协同动作,提出基于Agent概念规划控制模块的设计。通过传感器组信息、轮椅床当前状态信息、外来协同信息的感知融合,给出符合总体需求的动作选择指令序列。借助于传感器组信息、外部遥控命令信息与学习积累库的信息进行适时综合,完成比较复杂的交叉判断与协商,实现外来的指令合并本体的自主控制协同执行。如此,对智能轮椅床乘用人员来说,既能满足其自主行动的意图,又能满足其及时接受其他对象提供的服务;同时还便于远程监控人员适时介入解决特殊问题。试用表明,基于Agent概念的控制模块设计,能以清晰的软件结构和丰富的协同应对资源库显著提升智能轮椅床的整体功能。