网络诱导时延(被控对象到控制器时延,控制器到被控对象时延,系统模型时延),无论是固定的或时变的,都能恶化控制系统的性能。一类分布式网络控制系统,首要考虑带数据丢包和带宽制约的网络控制系统的协议发展问题,成为被研究的热点。其次,网络控制器的设计和分析中,稳定性和最优性能也是一类研究重点。本文的研究,集中在上述第二个问题上。该论文主要研究了,在随机时延和扰动影响下的网络控制系统的建模,分析和设计,当前研究者对此有着很大兴趣。特别地,对于一类存在网络诱导时延,数据丢包和不确定性时延的网络控制系统,我们提出了一种基于模糊逻辑和神经网络的时延估计方法。史密斯预测数学模型,结合模糊自适应控制器,被设计用来根据系统的输出变化在线调整它的参数。然后,我们考虑网络诱导时延和被控对象随机时延系统的稳定性问题,存在扰动和噪声的影响。我们推出了一种新的模型,有效地减少扰动,噪声和时延对网络控制系统的影响。这个所谓的新自适应史密斯预测器,有两个闭环组成,内环带扰动观测器来降低干扰因素,外环用来补偿时延影响。智能识别和估算方法采用在提出的模型中,其不仅有简单史密斯预估结构的特点,而且还有自适应性,稳定性,响应速度快的特点。最后,我们研究存在网络诱导时延和被控对象随机时延影响的网络控制系统的鲁棒性控制问题。鲁棒稳定性的充要条件和带自适应史密斯预测模型的网络控制系统性能指标,给出了一般形式。通过采用H∞环路成形—基于互质因子的鲁棒性和线性矩阵不等式的麦克法兰和格洛弗控制器设计方法,得到了一种新的鲁棒控制器。我们所提出的模型是十分高效的,在工程实际应用中更可行,更方便。