近几十年来,由于神经网络（Neural Networks,NNs）具有自适应、抗干扰等优势,在降雨预报、模式识别、优化系统等领域的成功应用,引起了学者们的研究兴趣,并且影响着各行各业。对于本文研究的非线性系统,是由传感器,控制器,执行器和网络等组成的网络控制系统（Networked Control Systems,NCSs）。由于通信冗余,带宽浪费以及各种各样的外部攻击,导致系统稳定性受到影响,这对于国家和人民的财产安全都是巨大的隐患,世界各国逐渐重视这些问题,并且寻找解决方案。因此有必要设计合适的控制器来稳定神经网络和非线性系统。首先,网络控制系统内部有许多未解决的问题。针对带宽造成的网络拥塞问题,如何使网络带宽的负载充分发挥,以及冗余数据的传输量被减少,对系统的传输效率以及性能都有极大的改善作用。同时,由于神经网络的延迟以及系统中各个器件之间的通信延迟等多时滞问题,对系统性能的影响不能小觑,因此,如何将其危害降到最低至关重要。其次,除了网络控制系统本身的内部问题,危害最大的外部因素是网络攻击。网络攻击的形式五花八门,危害最为严重的主要是欺骗型网络攻击（Deception Attacks）和拒绝型网络攻击（Denial of Service,Do S）。针对网络攻击,如何设计有针对性的控制器,使得控制系统依然能够维持良好的鲁棒性,具有重要的实际意义。针对以上情况,以及面临的各种困难,本文设计了合理的控制器,来解决上述问题,展开内容如下:（1）离散型事件触发方案被嵌入到控制系统中,系统中的每一个传感器,由该离散型触发方案来确定本地传输的信号,冗余数据量的传输被大幅度减少,神经网络的更新参数同时降低。将随机网络攻击建模为一类非线性函数,网络可靠性得到保障。结合以上方式对控制系统进行重新构造,运用李雅普诺夫泛函（Lyapunov-Krasovskii Function,LKF）,Jenson不等式等对系统的稳定性进行验证。（2）针对累积的动态网络攻击场景,对随机攻击函数进行重构,不仅提出满足约束条件的积分函数,而且将其约束性进行降低,考虑了多种时诱因素,增加多时滞到系统中,进而应用非线性处理技术等证明了控制器的稳定性。（3）结合事件触发机制误差的特点,触发方案被重新构造,基于自适应事件触发机制和两类随机网络攻击函数建立了闭环控制系统。引进随机参数,网络攻击可以随时发生且相互进行切换,在多种时延和自适应条件的思考下,一个增强的LKF被构造,结合涡轮机系统对控制理论进行验证。