滤波问题作为信号处理和控制领域中的一个基本问题,引起了广大学者的兴趣。其中Kalman滤波自20世纪60年代提出后就被广泛应用,Kalman滤波采用Riccati方程作为基本工具,因其最优滤波是递推的,且便于在计算机进行应用,而被众多学者所研究。但其要求模型参数和噪声估计精确已知,这不利于实际情况的应用。H_∞滤波不需要确切知晓噪声概率的统计特性,而且H_∞滤波采用线性矩阵不等式的方法,可以方便的利用Matlab工具箱求解。随着时代的发展,网络与人类的联系越来越密切,网络控制技术成为人们日趋关注的焦点,网络控制系统(NCS)由此诞生。NCS是一种闭环控制的反馈系统,它通过网络来连接各个系统部件,如传感器,控制器和执行器等。因其具有较高的可靠性,运行成本低,以及数据传输方便等优点,而被广泛应用到各个场景中,但是通过网络远程传输数据会存在不可避免的时滞,甚至是丢包现象,数据难以完好的传输。在NCS中,丢包是其中最为常见的现象之一,它有可能降低系统性能,减小系统的稳定范围,更严重的会使得系统出现振荡等不稳定情况。目前解决丢包的方法主要有两种:一种是确定性的研究方法,其主要是根据不同的丢包情况,分析对应的网络特性,建立系统模型进行描述;第二种是随机方法,采用Bernoulli分布或有限状态的马尔可夫过程等来描述丢包过程,建立一个NCS模型,研究丢包概率与系统性能之间的关系。在控制系统中通常存在着传感器饱和现象。由于传感器自身的物理特性和工艺等方面的限制,传感器仅能在一定范围的信号强度中适用,与此同时实际网络中的传感器在对不同强度的测量信号进行测量时,往往会导致传感器发生随机饱和,传感器饱和特性产生的非线性使得系统出现振荡,从而系统的估计性能降低,频繁的饱和有可能导致系统无法正常工作。因此考虑在实测网络信号时系统中存在随机饱和现象具有重要的现实意义。本文基于数据包丢失和传感器饱和情况,针对网络化系统H_∞滤波器设计问题进行研究。主要创新点如下:第2章研究了网络化系统中的丢包,本章利用冗余通道策略降低了丢包的影响,同时针对传感器随机饱和问题进行处理,设计了H_∞满阶滤波器,并根据LMI方法得到的相应矩阵不等式进行仿真分析,得到最优的H_∞性能指标及滤波器参数,通过仿真结果对比验证了本章提出算法的有效性。第3章在之前的基础上考虑了丢包概率具有不确定性的情况,采用传感器冗余策略解决了传感器饱和的信号来源问题,设计带传感器饱和的网络控制系统H_∞滤波器。利用参数依赖李雅普诺夫函数进行稳定性分析,通过计算机求解LMI得到最优H_∞性能指标及滤波器参数,通过仿真结果对比验证了本章提出算法的有效性。第4章着重研究了带传感器饱和的非线性网络控制系统,并基于T-S模糊方法设计了相应的模糊H_∞滤波器,通过多包补偿方式降低时延及数据丢包对网络化系统H_∞滤波的影响。算法同样采用了传感器冗余策略解决信号来源问题,并引入模糊规则依赖的李雅普诺夫函数来证明系统的稳定性,降低了设计的保守性,进一步依据满足相应性能的矩阵不等式求解出性能指标,最后的仿真实例验证了本章提出算法的有效性。