网络化控制系统(NCSs)打破了传统控制系统点对点式控制的束缚，顺应了网络时代的发展规律，具备了低成本、易安装维护、能够远程控制等特点，被广泛应用至物联网、航空、导航制导和远程教育、医疗等诸多领域，但同时也会无法避免地遭遇由于引入通信网络而产生的网络诱导时延、数据丢包和错序等问题的挑战。NCSs中的研究对象往往是有复杂特性、多变量的，很难甚至不能直接通过机理分析得到具体的对象模型信息，如何利用被控对象的输入输出数据就能够实现系统控制成为了亟需解决的问题。数据特征驱动思想来源于计算科学领域，一方面能够直接利用数据的特征近似辨识或者逼近复杂系统的模型另一方面能够仅利用受控系统的在线和离线输入输出数据以及经过数据处理而得到的知识来设计控制器，无需包含受控过程的数学模型信息，成为解决上述问题的一个新思路。　　针对复杂多变量的NCSs的控制问题，预测控制提供了良好的解决手段，基于模型的网络化预测控制方法能够克服网络诱导时延和数据丢包的影响而基于数据驱动的子空间预测方法能够克服系统建立数学模型的困难。如何兼顾两者的优势进行有机整合提出新的预测控制算法是本文研究意义所在。本文主要考虑了网络诱导时延和数据丢包问题影响下的网络化控制问题，提出了基于数据驱动子空间预测的网络化控制算法，并分别进行了控制器的设计以及稳定性分析最后基于在线实验平台进行算法有效性的验证。具体内容如下:　　基于网络化预测控制方法与数据驱动子空间预测方法，提出基于数据特征驱动预测的网络化控制算法，描述了其主要过程以及相应的算法举例。　　考虑了网络诱导时延影响下以及网络诱导时延和数据丢包同时影响下的数据特征驱动预测算法的控制器设计，以及相关的稳定性分析问题。　　基于网络化控制实验室(NCSLab)在线实验平台验证了数据特征驱动预测网络控制算法的有效性。　　最后，对本文的主要研究内容进行回顾总结并提出了未来进一步的研究方向。