针对一般线性二阶多智能体系统的协同控制问题，提出一种基于动态事件触发的分布式预定时间控制策略，重点解决系统在用户自定义时间内实现比例一致性的关键技术难题。通过反推法设计控制协议，在位置和速度状态中引入比例参数，使各智能体在预定时间内快速实现比例一致，并可通过参数配置灵活实现普通一致性、二分一致性或分群一致性等多样化协同模式；同时构建基于内部动态变量的时变触发机制，实现事件触发条件的动态调整，降低系统能量耗散及控制器更新频次。基于代数图论、线性矩阵不等式以及Lyapunov稳定性理论，严格证明系统在预定时间内的收敛性及触发机制无Zeno行为的特性。数值仿真结果表明：相较于固定时间控制策略，本文策略的收敛时间更易获取和调节，收敛时间更接近预估值，且收敛速率及整体系统性能指标更优；与静态事件触发控制策略相比，在保证相同通信性能的前提下可有效降低系统能耗。特别地，本文研究利用生成式模型预测多智能体动态演化趋势、结合强化学习自主调节比例参数配置，增强了系统对未知扰动的适应能力。因此，本文研究不仅为多智能体系统协同控制提供了理论严谨的解决方案，同时为生成式人工智能技术的集成提供了潜在接口。