近十多年来,随着计算机网络与通信技术的飞速发展,将通信网络引入控制回路的NCS在各个领域获得了广泛的应用。网络的引入给控制系统带来方便的同时也产生了一些弊端,网络时延则首当其冲。在控制系统中传感器是实现闭环的关键,同时也是系统易发故障的部件,它的故障不仅会使控制系统性能下降,甚至会导致灾难的发生。因此,本文将对NCS中传感器故障检测与容错控制方法进行一些探究,以期提高NCS的安全可靠性。主要工作包括：首先,针对NCS研究主要以计算机仿真为主,导致NCS仿真结果与实际NCS中存在较大差异问题,采用校园局域网作为通信媒介,以我校先进控制实验室的PCS为基本平台,基于OPC、MATLAB等技术,搭建了具有真实网络与控制对象的半实体液位NCS实验平台,为后续研究工作奠定了基础。其次,针对网络时延影响控制系统性能的问题,采用一种基于改进量子粒子群(Quantum Particle Swarm Optimization, QPSO)算法模糊自适应PI控制方法对其进行改善。其中针对模糊控制器的量化因子和比例因子采用传统经验方法难以整定的问题,提出了一种改进量子粒子群算法对模糊控制器量化因子和比例因子进行优化。该方法将人工蜂群算法中的搜索算子作为变异算子引入到QPSO算法中,使得改进QPSO算法较好的克服QPSO算法保持种群多样性差容易早熟收敛的缺陷。实验结果表明改进QPSO算法优化的模糊自适应PI控制器对于NCS具有更优的控制性能。最后,针对NCS中传感器故障诊断问题,采用一种基于三类神经网络预测器分别与实际传感器输出比较获取残差,并通过设定残差阈限表决法,实现了对传感器故障的可靠诊断；进而当诊断出传感器发生故障后用预测器的重构信息对系统进行软闭环,实现对传感器的容错控制。实验结果表明文中方法是有效可行的。