网络控制系统是指将控制单元中的传感器、控制器、执行器等通过通信网络连接在一起进行信息交换的实时闭环反馈系统。相比于传统的点到点控制系统,网络控制系统具有系统组件不受空间位置的束缚、便于远程操作控制、信息资源可共享、连线少、易于系统的维护和扩展等优点。但是由于通信网络本身性能的不确定性,在对数据进行传输的过程中将会产生不确定的时延,而时延会影响网络控制系统的控制性能。本文对网络控制系统的时延预测及补偿进行了研究。针对网络控制系统时延预测的问题,分析了网络时延组成和产生机理,在实际采集时延的基础上,将采集的时延时间序列分为线性部分和非线性部分。针对线性部分采用AR模型预测,利用最终预报误差准则和最小二乘估计确定模型的参数;针对非线性部分采用BP神经网络进行预测,通过粒子群算法优化BP神经网络的初始权值和阈值,提高BP神经网络收敛速度、避免陷入局部极值;最后将线性预测结果与非线性预测结果进行叠加即为网络控制系统时延的最终预测值。仿真结果表明该预测算法比采用单一的线性预测或非线性预测的精度高。针对网络控制系统中时延对控制系统性能的影响,甚至造成系统不稳定的问题,从控制策略的角度出发,在网络控制系统中引入内模控制。针对内模控制的网络控制系统对大时延处理不足的缺陷,在内模控制系统中加入时延预测环节;针对内模控制系统中被控对象与被控对象模型不匹配造成系统控制性能下降问题,采用模糊控制规则在线调整滤波器参数方法。仿真结果表明加入时延预测的内模网络控制系统有效的减小了大时延对控制系统性能的影响,提高了网络控制系统的稳定性。