网络化控制系统(Networked Control Systems，简称NCS)已经成为近年的研究热点，但是却几乎无人涉及其自适应控制问题的研究，本文在深入分析网络时延的统计特性的基础上，基于NCS的时变ARMAX及CARIMA模型，对NCS的自适应预测控制方法进行了系统地研究，提出了几种既能保证NCS动态性能，又同时具有较好实时性的自适应预测控制算法．本文在进行NCS的控制方法研究时，有两点基本原则贯穿始终：第一点是要保证NCS的实时性，对于NCS来讲，保证其实时性是很重要的，所以在选择控制算法的时候，应该尽量考虑采用具有在线实时递推功能的简洁算法．第二点是尽量只使用系统的输入输出数据对系统进行控制，这样可以使较少的信息在网络上传输，从而减少网络负载和网络时延．在NCS的研究中，由网络引入的随机时变时延一直是研究的重点和难点．针对这一问题，在这一领域中，本文首次按照RFC2544规范对网络时延进行了为期6个多月的实际测试，获得了170余万个网络时延数据；利用时间序列分析和随机过程的方法对这些时延数据进行了详细而深入地分析，得到了有关网络时延的基本统计特征，为后面进行NCS的分析和设计打下了基础．在对网络时延的分析中，提出了一种网络时延数据预处理算法，该算法能够有效剔除网络时延数据中的非平稳趋势，为网络时延预测的准确性提供了保证．通过对网络时延数据相关性的分析，指出了网络时延模型的基本特征，对网络时延估计结果的正确性和估计效率提供了有力保证．针对网络时延的随机时变和非线性的特点，提出了两种适合于NCS的时延预测算法；一种是自适应最小均方(Least Mean Square，简记为LMS)时延预测算法，另一种是基于最小二乘支持向量机(Least Square Support Vector Machines，简记为LS-SVM)网络时延预测算法．仿真结果表明，该两种算法均能够较好地兼顾预测精度和实时性要求，可以用于不同特点的NCS中．针对NCS的特殊性，在比较现有NCS控制方法的基础上，对NCS的自适应预测控制方法进行了系统地研究，并提出了如下四种NCS的自适应预测控制算法：(1)提出了基于网络时延辨识的NCS自适应预测控制算法．该算法使用前面提出的网络时延预测算法，先辨识时延，然后再根据该时延对NCS进行预测控制；算法中采用了两个在线递推辨识器，一个负责时延辨识，另一个用于时变参数辨识；仿真结果表明，所提出的算法能使系统输出有效跟踪期望输出的情况下，同时保持较好的实时性．(2)提出了节点缓冲排队机制和自适应预测控制相结合的NCS控制方法．在本方法中，使用了直接辨识控制器参数的自适应预测控制算法，该算法不需要在线求解Diophantine方程，减少了计算时间，较好地保证了NCS的实时性；在此基础上，又进一步提出了一种改进型的自适应预测控制算法，不仅避免了在线求解Diophantine方程，并且也不需要进行矩阵求逆运算，使算法的实时性大大提高．通过对该算法进行收敛性分析表明，在较弱的假设条件下，所提算法能保证NCS大范围渐近收敛．(3)在上述算法基础上，进一步研究了NCS的多模型预测控制方法，首次提出了一种符合网络时延特征的NCS多模型预测控制算法．使用两个固定模型和两个自适应模型的多模型控制方案，建立了NCS的多模型预测控制算法，并对该算法的收敛性和稳定性进行了分析，分析表明，本文所提出的多模型切换算法能保证NCS全局收敛．(4)提出了一种针对NCS的多速率采样控制算法．该算法结合了多步预测自校正控制和节点缓冲排队机制在NCS控制方面的优点，在保证NCS性能的前提下，减少了网络传输流量．