实际基础设施在运行过程中呈现出复杂、多变、非线性等特征,一般的数学方法无法对其进行精确建模。为了适应社会需求,本学位论文对实际基础设施系统进行了更加深入的理论研究,利用神经网络和模糊神经网络的一些基础原理和功能,如神经网络强大的非线性学习功能,模糊神经网络对复杂多变信息独特的处理功能,保证高精度、低误差映射基础设施系统,建立离散时间动力学模型,同时考虑实际系统中信息交互不确定、执行器故障、系统状态不完全可测等问题,设计基于同一脉冲信号的估计器和控制器,保证神经网络扩维误差系统呈指数级收敛至稳定,实现网络同步。具体研究内容如下:首先,本学位论文研究了一组离散时间神经网络同步问题。考虑了神经网络节点之间的不确定连接引起的不确定信息交换,并将它们转化为一个范数有界的不确定拉普拉斯矩阵。为了降低神经网络节点间的通信负载和提高控制器的效率,设计具有观察神经网络组状态的分布式脉冲观测器,并且在观测器的基础上提出了脉冲控制器。基于矩阵克罗克内积,得到了一个脉冲信号控制的增广误差系统,通过证明误差系统的稳定性,给出了包含同步条件的相关定理。给出一种迭代算法来获得脉冲信号的次优允许区间,并给出观测器和控制器的相应增益,用数值仿真比较了所开发控制器与现有一般控制器。其次,本学位论文研究了具有随机执行器故障的主从模糊神经网络同步问题,其中主模糊神经网络的状态信息只有部分可测。为了减少通信信道的负载和提高控制器的效率,引入脉冲技术同时驱动信息交互通道和控制器。在从模糊神经网络接收主模糊神经网络测量值的基础上,设计由基于观测器的控制器和静态控制器组成的新型混合控制器。考虑了执行器故障行为的随机性,研究故障导致的不确定性问题。通过误差系统稳定性的证明,导出同步的充分条件,并设计了控制器增益,用数值仿真展示了所得混合控制器对同步的作用。最后,将同步控制的部分理论成果应用于实际的离散制造系统中,总结本文的研究内容和创新点,以及简单阐述后续可研究问题。