在网络控制系统(Networked Control Systems,NCSs)中,信息的交换需要依靠网络在各个部分之间传递,增加了系统的不确定性,导致其难以建立精确的数学模型。而迭代学习控制(Iterative Learning Control,ILC)是一种无模型控制,不需要被控系统具有精确的数学模型,只需要利用系统的期望输出和实际输出之间的偏差值,通过多次迭代运算就可以得到系统期望的输出,实现有限时间内轨迹的完全跟踪。本文将ILC应用到NCSs中,针对具有数据丢失的NCSs,采用两种不同的ILC方法进行研究。论文的主要研究内容如下:首先,针对NCSs中的数据传输过程,考虑了控制器通道和执行器通道均存在数据丢失的情况,建立了随机Bernoulli模型;系统中控制器器和执行器均具有零阶保持器,可以对系统丢失的数据进行补偿。其次,考虑网络执行器通道存在数据丢失的情况,提出了开闭环P型ILC算法。针对一类非线性离散被控系统,对算法的收敛性进行了严格的理论分析。该算法同时利用了前次系统误差和当前系统误差来修正控制输入,增加了可调增益,充分利用了系统的历史误差信息,提高了系统的跟踪性能。最后,基于NCSs的分层结构,在被控对象处增设一个本地控制器。考虑网络双通道均存在数据丢失的情况,提出了一种本开远闭的新型开闭环ILC算法。针对一类非线性离散被控系统,对算法的收敛性进行了严格的理论分析。其中,本地控制器采用开环ILC算法,利用系统的历史误差信息;远程控制器采用闭环ILC算法,利用系统的当前误差信息。两个控制器一起作用于被控对象。由于本地控制器传输数据信息时,并不需要通过网络,即不会发生数据丢失的情况,从一定程度上降低了数据丢失对控制系统的影响,增强了系统的鲁棒性。