随着通信技术的发展和运算能力的提高,模型预测控制算法可以利用远程控制器来执行,并通过通信网络与本地传感器和执行器进行信息交互,从而形成了网络化模型预测控制。网络化模型预测控制一方面继承了传统模型预测控制的优势,即在充分考虑系统约束、多输入多输出、非线性等特性的前提下既能优化控制系统性能,又对不确定性具备一定的鲁棒性;另一方面,其网络化的实现方式克服了本地控制器计算能力不足的困难,同时相较于传统的点对点控制具有更高的安全性、可靠性和灵活性。因此,网络化模型预测控制受到了学术界和工业界的广泛关注。由于通信网络在数据传输方面的不可靠性造成数据包丢失现象时有发生,而且有限的通信资源也要求我们必须对资源的利用进行优化。然而直接应用传统的模型预测控制算法并不能有效处理这些问题,从而不可避免地造成通信资源浪费,还会引起控制系统性能恶化甚至失稳。因此,亟需设计有效的网络化模型预测控制算法来解决这些问题。本文以离散时间非线性约束系统为研究对象,围绕着数据包丢失、信道竞争接入和通信计算资源受限三个问题展开研究,旨在提出有效的网络化模型预测控制算法来缓解网络因素对系统性能造成的影响。本文的研究工作主要包括以下几个方面:1.针对双通道随机丢包的情况,提出了基于“数据包”的模型预测控制算法,通过对缺失状态的估计以及数据丢包的主动补偿,实现了闭环系统的随机稳定,并进一步得到了预测控制数据包长度的选取机制,解决了由于连续丢包数可能无界而导致预测时域无法确定的难题。2.针对具有特殊结构的无线云控制系统的信道竞争接入问题,提出了模型预测控制框架下的双重信道感知调度策略,设计了传感器的分布式门槛策略和控制器的优先级门槛策略,论证了在策略更新机制下传感器最终会工作于纳什均衡点、控制器的优先级门槛策略要优于传统的独立同分布接入策略;通过避免信道状态差时的数据传输,实现了系统高效节能的信道接入。3.针对连续丢包数上界较大时的高计算复杂度问题,提出了双控制器结构下的双模自适应时域模型预测控制算法,通过自适应调整预测时域大小以及设计两个控制器之间的切换机制,在保证闭环系统稳定的同时既改善了系统的稳态性能又显著减小了计算复杂度。4.针对通信和计算资源受限问题,提出了动态事件触发模型预测控制算法以及基于时延估计的自触发模型预测控制算法,通过设置动态触发条件来容许更大的状态预测误差,通过设计的扰动时延估计以及前馈补偿策略来有效抑制干扰的影响,进而降低了模型预测控制对传输次数和求解优化问题频率的要求。综上所述,本文对网络化模型预测控制面临的问题进行了系统性的研究,创新性地提出了对应的解决方案,极大推动了网络化模型预测控制的进一步发展。