传统的点对点控制系统结构所显现出来的布线复杂、维护困难、可扩展性差、成本高等问题日益突出，难以满足不断提高的导弹控制系统的性能要求。为克服这些缺陷，越来越多的导弹采用了总线网络控制技术。由于总线网络带宽、协议的限制，导致信息时延的产生。本课题对1553B总线、CAN总线以及以太网的特性进行对比研究，选择CAN总线作为所研究的总线网络控制系统的控制网络，并对导弹总线网络控制系统中时延的产生与组成进行分析，建立总线网络控制系统时延模型。本课题在对比分析常见的时延补偿方案后，考虑模型的简化对实际控制网络的影响，针对导弹总线网络的时延特性，建立起总线网络控制系统，设计一种基于RBF神经网络预测控制的时延补偿策略，实现对网络时延的实时补偿，并利用Matlab进行计算和仿真。与PID控制方法相比较，RBF神经网络预测控制方法更能有效地改善网络时延所带来的影响，降低超调量，缩短调节时间。为克服Matlab仿真中时延模块的局限性，在深入探究网络时延对导弹总线网络控制系统的影响后，采用基于Matlab/Simulink平台的TrueTime仿真工具箱，真实再现总线网络的工作环境，研究网络时延对导弹系统性能的影响。利用TrueTime仿真工具箱实现导弹总线网络控制系统在不同时延、调度策略下的仿真，并将RBF神经网络预测控制方法和PID控制方法在网络环境中进行比较研究。同时通过更改不同的总线网络传输方式，验证1553B总线、CAN总线和工业以太网等总线网络的控制性能和信息传输性能。结果表明RBF神经网络预测控制方法能更为有效地改善网络时延所带来的影响。