本文基于事件触发与量化控制、鲁棒控制理论以及时滞系统等控制理论知识,研究了网络控制系统的渐近稳定性、H_∞滤波和耗散性滤波问题。具体研究内容包括:(1)讨论了考虑量化误差的网络控制系统的渐近稳定性问题。首先基于辅助函数型与贝塞尔-勒让德两个积分不等式,推导出了一个积分不等式,然后构建一个新颖的具有增广项的Lyapunov泛函并联合恒零等式与逆凸技术等相关理论,获得了渐进稳定性的条件。在数值部分中通过对比相似文献,显示了所得出的稳定性条件具备一定的优越性和有效性。(2)分析了量化数据采样网络控制系统的稳定性。首先给出了基于数据采样控制的网络控制系统和量化机制的特性,得到了有量化和无量化的数据采样网络控制系统的数学模型。再通过提出一种分数时滞状态闭环泛函,并运用二阶广义自由权矩阵不等式和恒零等式,得到了数据采样网络控制系统有量化和无量化的两个渐进稳定性条件。在仿真中证明了所构建的新颖闭环泛函具备一定的优势和可行性。(3)讨论了基于量化和事件触发机制的网络控制系统H_∞滤波设计。先给出了数据采样事件触发条件、对数量化机制和网络控制系统模型及其滤波模型,并推导出了一个滤波误差方程。而后根据Lyapunov-Krasovskii泛函理论,得出了一个可以同时设计H_∞滤波和事件触发参数的定理。经过在最后面给出一个实际的仿真例子,去说明了所得出的定理的有效性。(4)讨论了处于事件触发机制下的量化时滞神经网络控制系统耗散性滤波设计问题。根据量化机制、事件触发机制、时滞神经网络模型及其滤波模型,采用时滞区间相关的理论,建立了一个鲁棒数据采样误差滤波模型。之后经过构建一个合适的Lyapunov-Krasovskii泛函以及结合耗散性滤波知识,得出了一个能够使量化时滞神经网络系统渐近稳定和实现严格(Q,S,R)-α耗散的定理,同时,该定理也能够协同设计事件触发和耗散性滤波参数。最后,在仿真实例中,证明了所推导出的定理的可行性和优越性。