a, 故障诊断, 研究根据NCS中的时延、数据包丢失以及数据传送方式等的不同因素，对网络容错控制系统可以建立不同类型的系统模型，从而将NCS的故障诊断转化为不同类型的故障诊断问题。近年来，基于NCS的故障检测与容错控制被越来越多的学者所关注。提出了一种基于模型的在线机器人故障诊断方法：优先诊断引擎。该方法的第一个原则是假定机器人只要关键变量在可接受的范围内就可以很好地运行，通过检查其末端执行器的相关参数来检测机器人是否发生故障，如果检测到故障，则会缩小故障范围。该故障响应提供了一个接口来调达到系统容错。基于残差发生器和残差估计器设计了系统的奇偶空间和状态观测器，在随机丢包NCS中，将丢包对系统产生的影响转化为系统的随机参数项，并通过参考模型用一个新的优化指标来处理随机参数项。使用神经网络分析登高车机械臂关节的振动情况，针对不同的关节速度，利用轨迹末端执行器的规定来测试登高车机械臂的关节每个接头的噪音和振动，用两种类型的神经预测器改进了预测工业机器人振动的方法。研究了一类离散时间非线性系统的鲁棒故障检测问题，将模型由具有规范边界不确定性的T-S仿射动力学模型表示，目的是设计一个允许的故障检测滤波器，保证所得残余系统具有规定性能的渐近稳定性。 研究了一个非线性动态网络控制系统受时变延迟的集成FTC问题。为了方便残差产生，网络引起的延迟影响被转换成一种时变不确定性，然后基于故障诊断程序获得的不确定性和故障信息，开发了FTC组件以补偿不确定性和故障的方法，从而达到了在没有故障的情况下，使用标称控制器来处理系统不确定性。在NCS中，而当丢包率低时，NCS的故障检测具有有效的性能，而[56]则关注的是，如果NCS中的丢包率高时，NCS可能失去有效性条件下的具有正态的分布式属性的故障检测。作者提出了一种改进的加权和平方残差（IWSSR）故障检测方法，对丢包率高的问题，提出了一种规范有限的故障检测方法，避免了需要创新满足正态分布的限制。提出了一种混合技术，使用无监督方法标记数据集三种不同机器人领域的数据集，具有低度不准确性，然后通过监督方法离线使用标记数据集来生成在线诊断模型来达到预期效果。提出了一种用于无人机（UAV）的有源容错控制策略（AFTCS），用于解决多个电动机故障或转子损坏问题，其诊断系统基于电机速度和电流测量，一旦诊断出电动机故障或转子损耗，就应用恢复算法来达到容错。
