在这个信息网络高速发展的时代,神经网络作为现代人工智能技术领域不可或缺的部分已经被广泛地研究,并成功应用于各种科学和工程领域,包括信息领域、医疗领域、控制领域、交通领域等。值得注意的是,神经网络的这些实际应用在很大程度上依赖于它的动态性能。然而,由于神经元之间信号传输速度的局限性和一些外部干扰因素,时滞在神经网络的实现及应用中是普遍存在的,极有可能会导致意想不到的动态行为,如振荡、低性能、甚至不稳定。另外,网络化环境下,由于设备老化、强电磁干扰、网络拥塞及外部环境干扰,传感器或执行器在神经网络执行控制任务时会不可避免地发生故障,可能导致系统不稳定甚至灾难性的事故。因此,如何设计有效的控制策略,使得神经网络能够保持稳定是一个热门的研究课题,吸引着来自各个领域尤其是系统科学和控制领域的学者参与到对它的研究中来。基于上述分析,无论是从理论意义还是从实际应用来说,对时滞神经网络的性能分析及控制设计问题的研究都是十分必要的。当前,尽管在这个领域的研究初步取得了一些成果,但是在某些方面还缺乏系统性的理论研究。本文在已有工作的基础之上,进一步完善这方面的理论研究体系。本文采用几种不同的控制策略,研究了网络环境下几类具有随机故障的时滞神经网络的性能分析及控制设计问题。具体研究的问题包括:1)基于半Markov执行器故障的模糊神经网络非脆弱采样同步控制问题;2)基于概率传感器与执行器故障的连续时间半Markov跳跃神经网络的事件触发控制问题;3)基于概率传感器与执行器故障的离散时间半Markov神经网络的事件触发保成本控制问题;4)基于概率传感器与执行器故障的离散时间模糊神经网络的有限时间H∞控制问题。本文的主要研究结果如下:1.利用通信延迟的非脆弱采样控制策略,讨论了具有半Markov跳跃执行器故障的模糊神经网络同步控制问题。为了精确地描述执行器故障的随机行为,建立了包含线性项及随机发生偏差项的半Markov跳变的执行器故障输入模型。不同于多数的采样控制策略,反馈环中引入了恒定的传输延迟信号,且假定采样周期在一个区间内变化。通过选取恰当的Lyapunov泛函及结合N-阶积分不等式技术,得出了模糊神经网络同步误差系统的H∞渐近稳定的判据。接着,借助变量替换的方法及转移率上下界的假设,给出模态依赖的非脆弱模糊控制器增益矩阵参数化的条件。最后,通过一个数值例子对所提控制方法的有效性进行了验证。2.引入事件触发传输机制,探讨了网络化连续时间半Markov神经网络的随机均方指数稳定性问题。设计了基于概率传感器故障的事件触发机制,同时考虑概率执行器故障,进而构建了基于概率传感器与执行器故障的控制策略。综合使用Lyapunov泛函法与自由权矩阵法以及随机分析的技术,建立了半Markov神经网络随机均方指数稳定性的判据。然后,利用线性矩阵不等式（LMI）解耦技术给出控制器的设计方案。最后,通过四罐处理系统验证了所提方法的有效性与适用性。3.考虑网络通信时滞因素,研究了网络化离散时间半Markov神经网络的保成本事件触发控制问题。通过构造模态依赖的Lyapunov泛函,并使用自由权矩阵技术及凸合并技术,建立了闭环离散时间半Markov神经网络随机稳定的条件。接着,将保成本控制最优上界的求解转化为受一系列LMIs约束的凸优化问题,给出保成本控制器的设计方案。最后,结合一个离散化的忆阻器神经网络数值例子验证了所得理论结果的正确性及适用性。4.采用状态反馈控制策略,解决了网络化离散时间模糊神经网络的有限时间H∞控制问题。考虑概率传感器与执行器故障,以及预传输数据从传感器到达控制器与从控制器到达执行器的通信时滞,制定了可靠的时滞状态反馈控制策略。综合运用包括Lyapunov泛函法、自由矩阵法以及不等式技术,给出了离散时间模糊神经网络的有限时间H∞有界性的判定依据。基于所得的条件,通过消除矩阵不等式中的非线性耦合项,给出了状态反馈控制增益矩阵求解方法。最后,以模糊基因调控网络为被控对象,经仿真验证了所提方法的的有效性及适用性。