通过实时通信网络以实现控制系统中各个组成部分(如：传感器、控制器、执行器)之间信息交换、资源共享的一类反馈控制系统称为网络控制系统。网络控制模式具有如下优点：信息资源能够共享、连接线数大大减少、易于扩展、效率高、成本低、故障诊断能力强、方便安装与维护等等。由于网络带宽的限制，导致数据传输延时、数据丢包、数据错序和数据误传等一系列问题，这使得网络控制系统的分析与设计变得十分复杂。　　 本文以变采样周期的网络控制系统为模型，把当前时刻的延时作为当前时刻的采样周期，由于延时是随机变化的，从而采样周期也是随机变化的。利用线性矩阵不等式和凸优化技术，借鉴随机最优反馈控制、迭代学习、随机系统最小熵控制的有关理论和方法，积极在理论上行进创新，着眼于提出新的控制策略。　　 基于变采样周期的网络控制系统模型，推导出使网络控制系统随机稳定的线性矩阵不等式条件。利用凸优化技术，通过求解LMI得到了基于观测器的状态反馈控制器增益。　　 同样基于变采样周期的网络控制系统模型，利用随机动态规划知识，设计观测器重构系统的状态，结合Lyapunov泛函，得到了指数均方稳定的最优状态反馈控制律。　　 把整个网络控制系统看作一个随机系统，把信息论中衡量不确定性的熵引入到网络控制系统中，设计PI控制器使得跟踪误差的熵达到最小，利用迭代学习控制技术，求得PI控制器的增益Kp和Ki。　　 在随机系统的框架下，假设延时的概率密度函数已知，利用BP神经网络逼近输出跟踪误差的概率密度函数，采用最速下降优化方法使得输出跟踪误差的熵最小，从而把网络控制系统的不确定性控制到最小。　　 利用灰色预测理论预测出网络诱导延时，作为当前时刻的采样周期，把被控对象建模为一个变周期采样的网络控制系统模型，基于这个模型，结合观测器和增广向量方法，设计Lyapunov泛函，得到使网络控制系统渐近稳定的LMI条件，通过求解线性矩阵不等式，得到实时变化的基于观测器的状态反馈控制器。　　 最后，对取得的研究成果进行了总结，并展望了需要进一步研究的工作。