随着科技的持续发展，控制系统与网络通信系统的集成已成为控制网络技术的一个热点，网络化控制系统(Networked Control System，NCS)应运而生。网络化控制系统是利用实时网络进行闭环控制的反馈控制系统。在传统的控制系统中加入网络作为通信媒介，使得系统的性能有了大的改观。网络化控制系统中能够共享信息资源，可以实现远程操作与控制，具有很高的诊断能力，连接线路大大减少、易于扩展及维护、高效率、高可靠性、灵活，且系统成本低。然而网络化控制系统在展现其自身优越性的同时，也给传统的控制理论带来了新的问题和挑战。 由于网络中的信息源繁多，信息的传送要分时占用网络通信线路，而网络的承载能力和通信带宽有限，必然造成信息的冲撞、重传等现象的发生，使得信息在传输过程中不可避免的存在时延。时延由于受到网络所采用的通信协议、网络当时的负荷状况、网络的传输速率和信息包的大小等诸多因素的影响，而呈现出或固定或随机、或有界或无界的特征，导致控制系统性能的下降甚至不稳定，同时也给控制系统的分析、设计带来了很大的困难。 NCS存在的基本问题有：网络时延、数据包丢失、单包和多包传输、数据包的时序错乱、网络调度及时钟同步等。其中网络时延是降低系统性能的最基本的因素，不仅给网络化控制系统的性能造成了不良影响，甚至还会使系统变得不稳定。而在网络化控制系统中时延又是无法避免的，且往往大于一个采样周期(即为大时延)。对于大时延的研究相对一般小时延要复杂的多，因此针对大时延NCS的研究已成为研究NCS的一个难点，也是本文研究的重点。 针对NCS中存在网络时延的问题，许多研究者做了大量的开创性的工作，将各种传统和现代控制方法不断加以融合和改进，试图能够更好地处理NCS的随机时变时延，使控制算法既简单的同时又可以保证NCS的稳定性和良好的性能。其中常用的控制方法包括：队列方法、随机最优控制方法、观测器补偿方法、马尔可夫跳变系统方法、预测控制方法、智能控制方法、鲁棒控制方法等。但总的来说，目前绝大多数关于网络化控制系统的文献，其研究的重点都放在小于一个采样周期的小时延上，而对于大时延的网络化控制系统的研究还很有限。 网络化控制系统中的大时延通常具有很强的随机性，很难用一般的线性模型或随机模型来描述。而过于复杂的组合模型又会加大网络时延，无法保证网络化控制系统的实时性。因此希望找到一种既简单又能根据时延的变化自动调整参数的模型对时延进行描述。自适应AR模型(Autoregressive model)能够根据实际测得的数据和预估的结果来自动地调整模型参数，并且根据新到数据，通过递推算法自动地对系统参数加以修正，使其接近于最佳值，这正适用于网络时延的随机特性。与之相应，基于最速下降法的最小均方差(Least MeanSquare，LMS)算法，其简洁高效的特点能满足NCS的实时性要求。因此选择AR模型和LMS算法对网络化控制系统中的大时延进行跟踪预估。预测网络时延最终的目的是要实现对时延的补偿，以减小其对网络化控制系统的影响。在众多控制方法中，预测控制算法是一种基于模型、滚动实施并结合反馈校正的优化控制算法。特别是广义预测控制(Generalized Predictive Control，GPC)算法，自其一出现就受到了国内外控制理论界和工业控制界的重视，成为研究领域最为活跃的一种预测控制算法。预测控制算法根据对象的历史信息和未来输入预测其未来输出，只强调模型的功能，对模型的结构形式没有要求。而且它采用在有限时域内的滚动优化策略，使得系统不确定性得到及时补偿，保证了控制的精度。同时预测控制还采用了反馈校正机制，克服预测模型与实际的被控对象之间存在偏差的影响，既保留了自适应控制方法的优点，又比自适应控制方法更具有鲁棒性。 由于上述优点，本文采用自适应预测控制的方法。先利用AR模型和LMS自适应预测算法对网络化控制系统中的大时延进行跟踪预测，再将预估的时延作为已知信息，对网络化控制系统模型的时变参数进行辨识调整，最终实现NCS的控制，对其大时延进行补偿。通过仿真表明，所采用的AR模型和LMS算法能很好的跟踪网络大时延，并对其进行有效的预测。而对网络化控制系统的自适应预测控制也使得系统的输出有了明显的改善，大大减小了大时延所造成的不良影响。 另外，文中还针对NCS中时延变化跨度大和随不同网络负载呈现不同分布的情况，提出了多模型自适应控制的方法。根据时延的不同分布对NCS建立多个模型，并依照相应的切换控制原则在模型间进行切换，将模型失配的影响降到最低，从而更好地发挥自适应控制的优越性。