随着网络通信技术和计算机技术的发展,网络化控制系统逐渐在越来越多的领域得到应用。但是,利用带宽有限的通信网络传输大量实时控制信息,给网络化控制系统的分析和设计带来了诸多问题。网络诱导时延和丢包是影响网络化控制系统性能的两大主要因素。针对这两个问题,一般的研究思路是先建立网络化控制系统的数学模型,再针对该数学模型设计控制器。但是,现实中网络化控制系统的模型难以准确地建立,基于模型的网络化系统的设计方法面临诸多挑战。作为一种数据驱动控制方法,无模型自适应预测控制(Model-free adaptive predictive control,MFAPC)给网络化控制系统的研究提供了新的思路,该方法仅利用被控对象的在线或离线I/O数据来设计控制器,不依赖被控对象的数学模型,避免了对网络化控制系统建模的难题。因此,针对具有网络时延和丢包的网络化控制系统,提出了基于MFAPC的网络化系统的控制方法并在实物上进行了验证和应用,具有重要的理论和实际意义。本文的主要工作如下:1)针对存在网络时延和丢包的网络化控制系统,在基于数据的网络化预测控制(data-based networked predictive control,DBNPC)方法的基础上,通过将输出误差变化率信息添加到原控制律中,提出了一种改进的DBNPC(improved DBNPC,iDBNPC)方法。2)针对无模型自适应预测控制的不足,提出了改进的无模型自适应预测控制(improved MFAPC,iMFAPC)。为了提高预测模型的准确度,将预测模型误差校正机制引入到预测模型中;另外,通过修改控制输入准则函数,得到充分利用输出误差及误差变化率信息的控制律。然后,针对存在网络时延和丢包的网络化控制系统,提出了网络化的iMFAPC控制方法。3)在MATLAB/Simulink环境下,使用TrueTime工具箱搭建了网络化控制系统仿真平台,对所提控制方法进行了仿真分析。通过对比发现,相比于原方法,iDBNPC方法和iMFAPC方法均能提升系统的收敛速度;iDBNPC方法和网络化的iMFAPC方法均对一定范围的内的网络时延和丢包具有良好的补偿效果,但是网络化的iMFAPC方法比iDBNPC方法的收敛速度快。4)为了进一步验证所提方法的有效性,搭建了实际的网络化的液位控制系统,对所提控制方法进行实物验证。实验结果表明,iDBNPC方法和网络化的iMFAPC方法均能够很好地补偿一定范围内的网络时延和丢包,但是网络化的iMFAPC方法与iDBNPC方法相比具有较快的收敛速度。