利用网络技术、通信技术以及计算机技术将传感器、控制器和执行器等控制节点以网络形式连接起来形成的闭环网络控制系统称为网络控制系统（Networked control systems,NCSs）。该网络控制系统可通过减少装置与维护费用来提高传统工业过程、电力系统、交通系统等系统的效率和灵活性。现在NCSs已经被广泛应用在工业、商业和生产业等行业的控制过程。因此,研究其存在的问题并找到解决方法具有极其重要的实际意义。然而,作为通信网络本身,广为人知的存在着数据包时间延迟、丢失和错序等问题。这些问题不仅降低系统性能,影响稳定性,甚至增加理论建模的困难。针对现有研究广泛的集中在时延和丢包这一现象,本文主要研究网络控制系统中数据包错序问题。在网络控制系统中错序不可测的情况下,本文通过统计模型预测错序的发生,并考虑存在非线性、变参数结构以及外部扰动的动态马尔科夫跳变系统运用变结构滑模控制技术,建立模型,设计相应控制器镇定系统。主要研究工作如下:1.针对存在错序并伴有外部扰动非线性网络控制系统,提出一种预测错序并设计H∞滑模控制器的方案。首先,利用中值定理将非线性系统转化为线性变参数系统;然后建立自回归移动平均模型（autoregressive moving average,ARMA）直接预测时延,通过定义新的错序度量（相对偏移值）,将时延转化为错序的偏移值,从而得到预测的偏移值;第三,本文采用接受最新数据包的策略,此策略导致在选择最新信号时出现随机参数,在此,将随机系统假设为马尔科夫跳变系统;第四,设计李雅普诺夫函数与H∞滑模控制器使系统镇定;最终,通过实际例子计算和对比研究,表明方法的可行性和独特性。2.针对另一类非线性网络控制控制系统,提出学习算法改进错序的预测,设计新的滑模面,以及滑模控制器。首先,建立非线性网络控制系统,利用更高精度的极端学习机制（extreme learning machine,ELM）即单层神经网络来预测错序;然后设计新的、依赖模型的滑模面抵抗系统中的非线性参数和变结构参数,为了系统稳定性分析,设计相应李雅普诺夫函数;最终给出实际例子验证改进效果。3.针对随机性更强的网络,提出利用马尔科夫链预测错序概率的算法,并结合滑模控制,进行变采样控制,同时镇定系统。首先,建立包含状态和采样周期的增广矩阵;然后,基于错序的度量和统计分析,寻求最大允许错序概率值:第三,两独立随机参数的出现,建立具有双马尔科夫链的马尔科夫跳变系统;第四,设计滑模面,和滑模控制器,镇定动态系统。最后给出实际模型仿真和对比学习,验证可行性和优势。