对网络控制系统（Network Control Systems，NCS）的故障诊断研究越来越受到相关学者们的重视，但由于网络诱导时延、数据包丢失、时序错乱等因素的影响，使得NCS的故障诊断变得相当复杂。而现有的研究大多仅仅考虑了网络时延或仅仅考虑了数据包的丢失。本文不但综合考虑了NCS的时延和丢包问题，而且将传统的基于模型的故障诊断方法和智能故障诊断方法相结合来对NCS的故障诊断问题进行相关研究。除此之外，本文还研究了非线性NCS的故障诊断问题。首先，针对具有随机短时延和丢包的NCS，利用支持向量机(Support VectorMachine，SVM）对系统外部干扰进行补偿来完成NCS故障诊断的工作。通过等效的异步动态系统模型设计状态观测器，利用观测器的残差对NCS进行故障诊断。利用基于支持向量回归机理论的智能辨识方法对系统干扰进行辨识，并且将辨识出来的结果作为系统补偿项加到之前设计好的状态观测器中。在理想情况下，使系统的残差只以故障的形式存在，从而提高了系统故障诊断的准确性。仿真实例验证了上述方法的有效性。其次，研究了基于H滤波的固定长时延和丢包的NCS故障诊断问题。首先根据系统是否产生丢包的情况将状态估计误差方程等效为一个典型的异步动态系统，这种异步动态系统是具有一定的事件约束率的。通过构造一个传统的观测器，产生滤波残差系统，将故障诊断问题最终归结为H的滤波问题。文中通过一个具体的仿真实例验证了所得结论。再次，研究了非线性NCS的故障诊断方法。针对一类非线性的NCS，研究了它的故障检测问题，这种非线性NCS具有模型不确定性，而且假设它的丢包现象仅存在于传感器到控制器这段链路之间。首先基于状态观测器的方法，设计了故障诊断滤波器，利用它产生系统的残差生成器。之后构造了Lyapunov函数，经过推导求证后，给出了使残差动态系统渐近均方稳定的充分条件。最后采用了LMI技术，将故障诊断问题转化成了可解的凸优化问题进行求解。这种方法的有效性也通过一个具体的仿真实例进行了验证。最后，利用Truetime仿真环境，研究了网络本身的特性如网络诱导时延、数据包丢失等对NCS的影响，并利用最小二乘支持向量机对仿真数据进行故障诊断。