作为一类典型的高附加值、小批量、多品种、多功能、技术密集型的工业过程,批次过程被广泛的应用于精细化工、食品加工、聚合材料、金属加工、半导体集成电路生产等领域。由于迭代学习方法能够有效的利用批次过程中的重复特性,同时考虑到实际系统中无法避免的故障问题,基于迭代学习方法的容错控制被引入到批次过程中。网络通信是一种低成本、快速高效的通信方式,在批次过程的信息传输过程中起着不可替代的作用,但随之带来的一系列网络化现象对系统性能有较大影响,因此,本文基于迭代学习方法对网络化批次过程的容错控制问题进行深入研究,其主要研究内容包括:（1）针对经典的离散批次过程,考虑不同的故障问题（执行器故障、传感器故障）及网络化现象（事件触发传输、数据包丢失）,通过结合迭代学习控制方法,并经过一系列的处理及推导,最终将原系统模型转换成可从时间和批次两个维度上描述的二维容错系统模型。（2）基于动态输出反馈,研究带有事件触发机制和扇形有界非线性的网络化批次过程迭代学习容错控制问题。通过结合事件触发传输方案,该部分提出一种新的具有扇形有界非线性的网络化批次过程模型,进一步针对该模型设计合理的迭代学习容错控制器,确保系统的渐近稳定性能和鲁棒H?性能。最后结合工业注塑机的注射速度控制过程对所设计控制器的可行性和有效性进行验证。（3）基于状态反馈,研究带有量测丢包的批次过程迭代学习容错控制问题。考虑到不同信号传输过程的特性,在控制输入和量测输出的信号传输过程中分别引入事件触发传输机制和数据包丢失现象。同时为了更加贴合实际的工业过程,该部分对传感器故障问题也做了相应的讨论。通过引入一个满足伯努利分布的随机变量描述数据包丢失现象,将原系统转换成二维随机系统,然后根据所设计的控制器,对系统的均方渐近稳定性及鲁棒H?性能进行分析。最后基于工业注塑的喷嘴压力控制过程,对所设计控制器的可行性和有效性进行分析。