以TCP/IP协议为基础的Internet自90年代产生以来,其网络规模、用户数量及业务量迅速增长,新型网络应用不断涌现使得网络拥塞的状况愈加严重复杂。拥塞造成了服务质量性能指标下降,严重影响网络资源的利用率。因此,拥塞控制一直是网络研究领域的热点问题。主动队列管理(AQM)算法作为端系统拥塞控制的一种补充,在保证高吞吐量的基础上有效地控制了队列长度。但是大多数AQM算法在设计及验证过程中都没有充分考虑大时滞网络对算法性能的影响。因此,研究大时滞网络的AQM算法就成为一种发展方向。本文从控制理论角度对网络拥塞控制机制建模并进行分析的基础上,针对大时滞对网络拥塞控制系统的影响,主要工作如下：针对PI, PID控制算法在大时滞网络环境下的控制效果不理想,而Smith预估补偿器在网络参数变化下又过于依赖网络的精确模型的弱点,提出了基于改进Smith预估补偿器的AQM算法。通过改进算法改善了控制系统的动态性能,经过在大时滞动态网络环境变化下的仿真比较分析,验证了改进Smith算法的有效性。针对Smith预估补偿机制过分依赖网络模型,而改进Smith预估补偿机制控制效果不够理想的缺点,提出了将单神经元自适应PID算法跟Smith预估补偿器相结合的AQM算法。这种算法通过单神经元的自适应自学习能力,以及无需被控对象的精确模型即能实现良好的控制的特性,克服了Smith预估补偿依赖精确模型的缺点,对网络环境变化有很强的鲁棒性,并通过在大时滞网络环境变化下的仿真比较分析,验证了该算法的优越性。最后对全文进行了概括性总结,并提出了下一步研究的方向。