随着现代工业控制技术的飞速发展,网络控制系统在实际生产中的应用越来越广泛。网络控制系统通过通信网络媒介,实现各设备节点间数据的实时交互与信息共享,给现代生产带来了诸多便利。尽管如此,网络介入控制系统后也产生了一系列新问题,如网络诱导时延、数据包丢失和时序错乱等。这些问题严重阻碍了网络控制系统的发展,损害网络控制系统的性能。因此,如何削弱这些问题影响,保证网络控制系统性能满足实际生产需求,已经成为当前控制领域的热点研究问题。关于网络控制系统性能方面的研究,目前主要从两方面展开,控制策略和调度算法。考虑到网络带宽资源有限,各节点竞争有限资源来完成信息传输的实际情况,本文从调度层面开展研究,通过合理分配节点传输任务,从而高效地利用有限的网络带宽资源,保证网络中信息传输的实时性。考虑到采样周期在影响网络控制系统性能方面发挥着重要作用,本文以采样周期为切入点展开对变采样周期动态调度算法的研究,降低网络介入对系统性能产生的不良影响。具体研究如下:考虑到网络带宽资源有限的情况,提出误差修正灰色神经网络预测网络带宽的变采样周期动态调度算法。该算法首先通过改进的灰色预测方法预测网络带宽,随后通过神经网络对灰色预测误差进行修正,并利用遗传算法（Genetic algorithm,GA）寻找神经网络最佳参数,从而得到网络带宽预测值。最后在系统实际运行中对预测带宽进行分配,实现采样周期的动态调整,并通过仿真验证该调度算法的优化效果。考虑到回归支持向量机（Support Vector Regression,SVR）优秀的泛化能力和小样本要求的特点,利用SVR对网络带宽进行预测,并利用遗传算法对其关键参数进行优化,提出GA-SVR预测带宽的变采样周期动态调度算法,使得预测带宽值比较接近实际网络情况;最后以各回路实时误差为依据对预测带宽进行在线分配,从而实时调节各回路采样周期。仿真证明该调度算法有效地提高了系统的性能指标。以上两种动态调度算法中,神经网络预测和SVR预测都是从不同角度解析原始数据,仅包含原始数据的部分信息,为了提高预测精度,本文通过一定规则组合各单项预测方法,提出组合预测带宽的变采样周期动态调度算法。将两种预测方法相结合,并选取误差倒数法确定各预测方法权重,提高带宽预测精度。最后在线分配预测带宽,调节各回路采样周期。仿真表明在该算法作用下各项系统性能指标均得到改善。