从上世纪末开始,网络化控制系统以及事件触发控制策略便一直是热门研究领域,得到了很多研究成果。近些年,在网络化控制系统基础上发展出了信息物理融合系统、云控制系统等。尽管在实际中,各个网络化控制系统的组成可能略有不同,但其共同本质都是基于通用共享数字网络进行反馈信息传递。本文主要研究了基于事件触发的控制策略使得复杂网络环境下的连续时间高维线性系统能够实现稳定性,并尽可能减少一定时间内通信所消耗的比特。注意到,我们文中所关注的系统稳定性所面临的干扰不仅仅是简单的过程噪声,而是有很多实际网络干扰,例如网络时延和反馈丢包等。由于多种干扰的耦合,本文考虑的复杂环境下的高维系统和传统的只考虑单一干扰的系统相比,稳定性分析要更加困难,特别是在连续丢包的情况下系统状态误差的估计需要额外的关注。在现有研究基础上,本文主要研究网络化高维控制系统在复杂网络环境下的稳定性问题。主要研究内容包括如下几个方面:首先,针对网络化控制的量化反馈系统中的时钟不同步、网络时延、模型不确定性、量化误差以及系统噪声等问题,提出基于模型的事件触发动态量化反馈控制策略,使得系统达到“输入-状态实用稳定性(Input-to-state Practically Stability,ISPS)。考虑到系统的物理背景,首先采用了静态均匀量化器对每次传输的数据进行编码。在传感器处生成的信息被量化,并通过一个受到网络时延影响的数字通信信道传输到控制器。本文采用传输“时间戳”的方法提取触发时刻的时间信息,通过设计好的更新方式补偿传感器与控制器中的模型状态,使得更新之后两者尽可能保持一致。而本文考虑到实际网络中各节点本地的时钟不同步,这种时钟偏移可能导致传感器和控制器的状态估计之间的长期不一致。针对以上提及的这些问题,本文设计了触发条件和更新方式保证系统的输入-状态实用稳定性,并且通过分析得出保证系统稳定的网络时延基于系统参数的上界。同时基于上述分析系统的两次连续触发间隔存在不为零的下界,故可以避免系统出现有限时间内无限次触发的“Zeno-behavior”,最后设计仿真实验验证了此策略。然后,在上述策略的基础上考虑了反馈丢包产生的影响,为了进一步降低系统的平均通信频率,提出了一种基于模型的周期性事件触发控制机制。相比于前一章中分析此节改为使用动态量化器,可以求得确保系统在均方意义下的“输入-状态稳定性(Input-to-state Stability,ISS)”的有限比特率条件。并且具体设计了动态量化器的量化策略,为了在系统中使用此量化器,本文使用了基于模型状态的触发条件。此外,针对“独立同分布的(IndependentandIdentically Distributed,i.i.d.)”反馈丢包对事件触发系数进行了相应的修改,为了使传感器与控制器中的模型状态在更新后相同,采用了基于控制量的“确认信号(Acknowledgement,ACK)”的方式。ACK可以保证传感器准确记录每一次丢包,并将这些信息编码进每次一次传输的数据包中,在控制器成功接收之后做出补偿更新保证两者系数和状态一致。此外,本文计算得到了使得系统输入-状态稳定的有限比特率,最后设计仿真实验验证了此策略。最后,借助前文中的周期性事件触发策略,提出了不借助ACK对存在丢包的网络化控制系统的稳定性分析的策略。考虑到传统方法对存在反馈丢包的系统大多采用ACK进行补偿,当传感器发出的数据包被控制器收到后,控制器会通过ACK告知传感器。如果发出了数据包却没在指点的时间内收到ACK,传感器会存下丢包的信息以备下一次传输的时候进行补偿。但ACK的设计相当复杂,故本文针对存在不连续丢包的连续时间的标量线性系统,考虑带有界网络时延的情况下,设计了合理的周期性事件触发条件和模型更新方式,保证系统在均方意义下输入-状态实用稳定。最后设计仿真实验验证了此策略。