随着网络技术的大力发展，网络控制系统逐渐取代传统点对点控制系统，被广泛应用于工业生产的各个领域，并逐渐惠及人们的日常生产生活。与此同时，网络时延、数据丢包、信息调度等网络控制系统中存在的问题，成为计算机控制领域研究的重点与热点，为网络控制系统的研究甚至应用带来了全新的挑战。本文主要针对网络控制系统中存在的基本问题之--网络时延现象进行研究。首先，论文在传统GPC算法的基础上，提出了一种改进的广义预测控制算法，此改进GPC算法结合最小方差控制思想，在算法的推导过程中避免了丟番图方程求解，矩阵求逆等运算，适用于对网络控制系统进行多步预测控制。然后针对被控对象的模型中存在参数未知的情况，论文在递推最小二乘法的基础上，引入遗忘因子，推导了带遗忘因子的递推最小二乘法，并将该辨识方法与改进的GPC算法相结合来辨识模型中的未知参数。并针对不同时延情况下的网络控制系统进行了对比分析。另外，论文还针对参数发生突变的情况，进一步采用变遗忘因子最小二乘法对未知参数进行辨识，并取得了良好的效果。最后，针对广义预测控制算法在非线性系统方面的局限性，论文提出将模糊控制思想和广义预测控制算法结合起来作用于非线性系统，在基本原理上，阐述了预测控制与模糊控制这两大控制理论相结合的可能性和必然性，并将T-S模糊模型作为广义预测控制的预测模型，作用于非线性被控对象上，进而形成了一类新型的模糊GPC方法。为了对本文中提出的理论和方法进行验证和分析，最后对文章中提出的改进算法和辨识方法进行了MATLAB仿真。根据对仿真结果的分析可知：基于最小方差思想的GPC算法，较之传统的GPC算法，具有预测输出准确，波动小，跟踪步数快等优点。而对采用带遗忘因子的递推最小二乘辨识结果分析可知：该方法不仅能正确辨识出模型的参数，而且较之最小二乘法，具有跟踪步数快，过渡时间短的优点。最后，论文对网络控制系统处于非线性情况下的仿真可知：采用正交最小二乘法不仅能很好地辨识出模型参数，且采用T-S模糊模型的GPC算法能准确的预测模型输出，并能实现对设定方波信号的准确跟踪，且对网络时延有较好的补偿作用。