网络控制系统(networked control system,NCS)是一种完全网络化的分布式反馈控制系统。不同于传统的控制系统普遍运用的点对点式的连接方式,NCS将介质网络作为信息的互换媒介,把布置于不同物理空间的硬件设备通过网络连接,使系统具备维护成本低、扩展能力强和灵活程度高等优势。但与此同时,网络的引入也增加了NCS的分析难度,尤其是网络自身有限的通信带宽对整个系统的稳定性和控制性能带来很大的影响。本文针对NCS的诱导时延不确定性及网络调度方面问题,主要从网络时延预测和网络资源的合理调度方面进行研究。针对NCS诱导时延的时变性、非平稳性、非线性等特点,提出了一种基于改进的集总平均经验模态分解-排列熵和布谷鸟搜索优化的小波神经网络时延预测算法。首先通过改进的集总平均经验模态分解对网络诱导时延序列进行处理,分别计算各模态的排列熵值,对复杂度相近的模态进行重组后得到新的子序列,从而达到降低建模复杂度和减少计算量的目的;然后利用布谷鸟算法优化的小波神经网络预测新的子序列;最后,叠加各子序列预测结果以获得时延序列的最终预测值。仿真表明该算法具有较好的预测精度,能反映时延序列的总体趋势,可有效地降低异常值影响等优点。针对NCS带宽资源受限问题,提出一种鲸鱼优化相关向量机的NCS变采样周期调度策略。通过网络监测模块获取网络带宽与数据传输时间数据,建立了鲸鱼优化的相关向量机预测模型,以提高模型的预测精度,实现了对网络带宽及数据传输时间的精准预测;根据系统控制回路的误差和误差变化率,采用模糊推理对系统各回路网络带宽动态分配权值进行确定,进而结合网络带宽和数据传输时间的预测值确定各回路的采样周期,实现采样周期的动态调节。仿真结果显示,在带宽资源受限条件下,该算法减少数据传输时延和控制回路的绝对误差积分,使系统保持较好的实时性和控制精度。