近些年来,由于模型预测控制处理约束条件和在线求解最优控制量的特点而受到越来越多的关注,无论是是工程工业领域还是学术研究领域,模型预测控制的发展都是十分迅速的。从最初的单系统到多系统,从简单线性系统到复杂非线性系统,模型预测控制的研究一直紧追时代的需求。由于网络化时代的到来,网络化系统也应运而生,因此考虑将模型预测控制运用到网络化系统中是具有应用前景的研究方向,与此同时也会有很多困难和挑战。本文主要研究的内容有网络诱导时延,通信数据量化,自触发机制这三类网络问题与模型预测控制相结合。除此之外,考虑到模型预测控制自身的特点,还针对随机扰动和切换成本函数等问题做了一部分研究。首先,针对网络通讯存在的时变时延,由于模型预测控制算法本身的特定,处理时延问题具有先天的优势,结合预测的特点再加上相关的处理方法就可以比较便利的解决时延问题带给系统的影响。另外还运用已有的量化策略对网络信息进行处理,进而实现节约网络资源的目的,主要是节约网络带宽。之所以考虑结合量化策略与模型预测控制算法,也是考虑到模型预测控制算法计算量大,传输信息量大的特点。其次,为了进一步的节约网络资源,将自触发机制与模型预测控制算法相结合,因为自触发机制可以很大程度的减少传感器采样的次数,所以可以延长传感器的使用寿命,从而可以充分利用有限的网络资源。通过本文所设计的控制算法推导计算出下一个触发时刻,当下一个触发时刻到来时,再驱动传感器工作,采样当前时刻的状态量,把当前时刻的状态量传送到自触发机制中,再通过本文所设计的控制算法计算出下个触发时刻,如此往复进行。最后,考虑到实际工程设计中复杂的环境参数的影响和性能指标的要求,切换成本函数的策略也是我们的重点研究方向。通过设计多个成本函数,使系统满足更多的环境要求和性能指标要求,从而达到更好的控制效果。本论文中还考虑服从概率约束的随机扰动,这里的扰动不是确定的量,而是以特定概率发生的,相比给定确切量的扰动,服从某种概率约束的随机扰动更具有客观性,更能模拟实际生产生活中的扰动。