一个网络控制系统(NCS)是由共享一个串行通信通道的多个反馈控制构成的回路。与点对点的传统控制系统的不同,它将网络引入到控制系统中,使系统结构简化,具有更好的灵活性的同时也节约成本且易于安装和维护。然而数据在网络中传递会导致传输时延、传输间隔、数据包丢失、变采样等问题,这也就降低系统的性能甚至会导致闭环系统的不稳定。本文主要是针对网络化控制系统中存在的传输时延和数据包丢失,提出了利用神经网络做出状态预测,补偿传输时延和数据包丢失带来的影响,同时实现利用自适应动态规划来近似求解非线性系统的最优问题。自适应动态规划(Adaptive dynamic Programming, ADP)作为一种近似求解非线性最优控制问题的方法,是利用近似求Hamilton-Jacobi-Bellman (HJB)等式的迭代方法。本文的主要内容如下：首先,概括叙述了本课题的研究背景和意义、研究中存在的基本问题以及研究的现状。之后,介绍了最优控制原理、自适应动态规划的原理和神经网络等概念,为接下来的最优控制与跟踪控制做铺垫。其次,对本文所研究的问题进行了相应的问题描述,以及算法所带来的稳定性和收敛性等特性都进行了分析,针对非线性系统存在的时延和数据包丢失的问题,利用神经网络,近似逼近函数结构来进行预测,并且利用自适应动态规划算法求解出系统的最优控制策略并给出算法设计。随后,对于最优跟踪控制进行问题的描述和分析,提出了新的性能指标函数,说明了算法的收敛特性,并且通过数学转换的思想,将跟踪问题转换为求解最优问题。最后,对全文进行了总结与展望,指出了本文的主要研究成果以及有待进一步研究的问题。文中针对非线性系统存在时延和数据包丢失的情况下,利用神经网络来预测补偿时延和数据包丢失带来的影响,并且利用自适应动态规划求解非线性系统的最优问题,解决了非线性系统无法直接求解的问题。后面章节的仿真实例表明,本文在一定程度上解决了网络化控制系统的时延和丢包问题的最优控制。