近年来,随着网络技术与计算机技术的迅猛发展,网络化控制系统(Networked Control Systems,NCSs)的研究得到了国内外控制领域专家学者的广泛关注。在NCSs中,控制器得出的控制信号或传感器采集的测量信号均可通过网络进行传输。随着网络化控制技术的快速发展,多智能体系统(Multiagent Systems,MASs)也逐渐接入网络,网络化多智能体系统(Networked Multiagent Systems,NMASs)应运而生。当前研究的NCSs就是一类特殊的NMASs,本文统称为网络化系统。网络化控制与传统控制方式相比,具有低成本、低功耗、灵活性强、安装简单和易于维护等优点。然而,网络的引入又给控制系统带来了新的问题,包括网络诱导时延、数据包丢失、数据包乱序、量化以及网络安全等网络问题,这给网络化系统控制器的设计与分析带来了巨大挑战。本文针对上述网络问题,研究基于预测控制算法若干网络化系统中的控制问题。本文主要研究成果如下:其次,在前向通道和反向通道均具有时变网络诱导时延和丢包情况下,研究带有执行器饱和约束的NCSs的预测控制问题。考虑实际控制系统中往往存在执行器饱和约束,提出一种带有饱和控制信号的网络化预测控制(Networked Predictive Control,NPC)算法来主动补偿前向通道和反向通道的网络诱导时延和数据包丢失数。基于该NPC算法,得出系统稳定性判据并给出在执行器饱和约束下吸引域的估计。通过一个数值仿真例子,验证所提算法的有效性。然后,研究在拒绝服务攻击(Denial of Service,DoS)下带量化信号的NMASs的预测控制问题。研究任意区域量化器,获取控制信号的有效值。考虑前向通道遭受拒绝服务攻击,采用博弈论方法的分析结果得出攻击者导致的数据包丢失的概率。提出NMASs的NPC算法,主动补偿网络诱导时延和由攻击导致的数据包丢失数。基于“Zoom”策略,得出使NMASs达到一致性的充分条件。通过一个数值仿真的例子验证所提算法的有效性。最后,研究基于多速率方法的非线性NMASs模型预测控制(Model Predictive Control,MPC)。考虑到实际NMASs中智能体往往带有诸多约束,采用分布式MPC算法获得最优控制序列。考虑实际应用中MPC算法计算量大问题,给出一种基于双模控制器的NMASs控制架构。针对数据包在前向通道和反向通道存在时延问题,提出基于多速率方法的MPC算法来主动补偿两个通道的时延。分析所提方法的可行性,并得出系统达到实际稳定的条件。通过一个弹簧-推车仿真的例子,验证所提理论的有效性。