网络控制系统(Networked Control Systems,简称NCS)是指通过带宽受限的网络连接分布在不同地理位置的网络设备而组成的闭环控制系统。与传统的点对点控制系统相比,具有信息资源共享、系统连线少、易于扩展和维护等优点,满足了大型工业过程控制系统规模扩大化、结构复杂化、数据共享化和控制远程化的需求,因而备受科研工作者和工程技术人员的青睐。同时,由于控制系统采用存在不确定性的共享网络作为通信媒介,控制系统性能不仅与控制策略和控制设备相关,而且受到当前网络状态的影响。正是由于实际控制系统发展需求,基于网络环境的控制系统研究应运而生,受到了众多学者的关注。因此,网络控制系统研究不仅具有重要的理论价值,而且具有重要的实际意义。本文重点研究了针对网络环境的系统建模、控制策略、实验平台和工程实例等,主要工作概括如下：首先,论述了网络控制系统的研究背景和研究意义,综述了几类网络控制系统控制策略的研究现状。依托作者参与研发的实际工程项目,监测控制系统网络环境,并分析网络状态对控制系统影响,提出网络控制系统尚需解决的若干问题。最后,根据网络节点驱动方式不同,给出了考虑网络状态的被控对象离散数学模型,并由该模型推导出网络不确定性造成的模型误差,为网络控制系统后续研究奠定了基础。其次,针对网络控制系统前向通道和反馈通道同时存在随机丢包的问题,提出了基于广义预测控制算法的双向通道丢包补偿和控制量优化策略。首先根据预测信息,分别设计了控制量补偿队列和对象输出补偿队列,给出了与当前网络状态相关的补偿策略运行方式。然后,充分利用控制量多步预测值中的有效信息,设计了控制量优化算法。最后,通过仿真实验进行验证。然后,针对网络环境影响被控对象模型精度的问题,提出了基于遗传算法参数优化的神经网络预测控制策略,分别设计了用于模型预测和控制量计算的神经网络。该策略根据被控对象状态修正神经网络权值,将网络时延引起的对象不确定性转化为系统参数的变化,抑制了网络不确定性对系统性能的影响。同时,采用遗传算法寻优得到控制系统最佳初始参数,降低了系统参数整定的难度。通过仿真实验证明了该策略的有效性。再次,针对时变时延影响网络控制系统控制品质的问题,提出了基于克隆免疫预测的网络控制系统时延补偿策略。首先,根据网络节点驱动方式,建立网络环境下被控对象离散数学模型。然后,根据网络时延造成的模型误差,通过神经网络学习,建立了神经网络时延补偿模型,用于补偿短时延。同时,根据算法多步预测值,设计预测补偿队列,用于补偿长时延,保证系统数据的实时性。最后,通过与其他预测算法对比证明了该策略的优越性和实用性。最后,实际工业过程控制系统对安全性、可靠性和稳定性的要求很高,使网络控制系统理论研究成果无法直接应用于生产实践。针对这个问题,设计并开发了网络控制系统实验平台,用于验证理论成果的有效性和可靠性。首先,根据新型控制策略验证需求,开发网络实验平台。新型控制策略可通过该平台进行真实网络环境或虚拟网络的性能测试。然后,提出了节点驱动方式、通信协议、时延测量、时钟同步等关键技术的实现方案,介绍了控制系统组态方法、参数设置方式、工作运行原理,同时,设计了实验平台与新策略的程序接口和实验数据交互方案。最后,以克隆免疫预测控制策略为例,使用该平台建立网络环境,进行新策略网络闭环控制实验。不仅证明新策略可以降低网络问题对控制系统性能的影响,而且说明实验平台可以用于新策略的前期验证,为新策略的实际应用提供了条件。