| 1 绪论 | 第1-39页 |
| 1．1 现代制造系统呼唤新一代控制系统 | 第13-17页 |
| 1．1．1 21世纪的制造模式——敏捷制造 | 第13-14页 |
| 1．1．2 实施敏捷制造面临的问题 | 第14-16页 |
| 1．1．3 敏捷制造对控制系统的要求 | 第16-17页 |
| 1．2 制造过程控制系统的新挑战 | 第17-22页 |
| 1．2．1 制造自动化系统的发展与进化 | 第17-18页 |
| 1．2．2 制造过程控制系统的发展与演变 | 第18-20页 |
| 1．2．3 现有控制系统存在的问题与瓶颈 | 第20-22页 |
| 1．2．4 新一代的控制系统NCS | 第22页 |
| 1．3 新一代控制系统研究与发展综述 | 第22-32页 |
| 1．3．1 现场总线的产生与发展 | 第22-24页 |
| 1．3．2 网络化控制系统及其发展 | 第24-25页 |
| 1．3．3 CIPS的研究状况 | 第25-27页 |
| 1．3．4 相关技术研究概述 | 第27-30页 |
| 1．3．5 新一代控制系统的研究前沿 | 第30-32页 |
| 1．4 论文研究内容 | 第32-33页 |
| 本章参考文献 | 第33-39页 |
| 2 NCS体系结构与建模研究 | 第39-58页 |
| 2．1 敏捷制造对制造过程管理与控制的要求 | 第39-41页 |
| 2．2 制造自动化系统的体系结构研究 | 第41-44页 |
| 2．2．1 制造自动化系统的层次模型 | 第41-42页 |
| 2．2．2 制造自动化系统的分布式控制网络 | 第42-43页 |
| 2．2．3 制造门动化系统的3I集成结构 | 第43页 |
| 2．2．4 基于Agent的分布式网络化制造自动化系统 | 第43-44页 |
| 2．3 NCS的体系结构研究 | 第44-50页 |
| 2．3．1 对NCS体系结构的基本要求 | 第44-45页 |
| 2．3．2 NCS的网络计算结构 | 第45-46页 |
| 2．3．3 NCS的功能结构 | 第46-47页 |
| 2．3．4 NCS的软件结构 | 第47-48页 |
| 2．3．5 NCS的体系结构 | 第48-50页 |
| 2．4 NCS的集成机制 | 第50-51页 |
| 2．4．1 基于OPC技术的NCS内部集成 | 第50-51页 |
| 2．4．2 NCS与管理系统的集成 | 第51页 |
| 2．5 NCS中的生产过程建模研究 | 第51-56页 |
| 2．5．1 面向对象的建模方法 | 第51-52页 |
| 2．5．2 NCS的对象类的划分 | 第52-53页 |
| 2．5．3 NCS的生产过程建模 | 第53-56页 |
| 2．6 本章小结 | 第56页 |
| 本章参考文献 | 第56-58页 |
| 3 NOS的智能前端研究 | 第58-79页 |
| 3．1 引言 | 第58页 |
| 3．2 基于智能前端的现场控制问题求解模型 | 第58-59页 |
| 3．2．1 智能前端的概念及特征 | 第58-59页 |
| 3．2．2 基于智能前端的现场信息处理模型 | 第59页 |
| 3．3 智能前端的功能设计 | 第59-62页 |
| 3．3．1 智能前端的功能模型 | 第59-60页 |
| 3．3．2 智能单元概念 | 第60-61页 |
| 3．3．3 基于智能单元的智能前端实现模式 | 第61-62页 |
| 3．4 智能前端的信息处理模型 | 第62-71页 |
| 3．4．1 智能单元的模糊化处理 | 第62-65页 |
| 3．4．2 智能前端的任务分配与协同求解 | 第65-71页 |
| 3．5 智能前端的设计 | 第71-76页 |
| 3．5．1 IEEE1451标准结构及技术特征 | 第71-72页 |
| 3．5．2 智能前端的模型 | 第72-75页 |
| 3．5．3 通用智能前端原型设计 | 第75-76页 |
| 3．6 本章小节 | 第76-77页 |
| 本章参考文献 | 第77-79页 |
| 4 NCS的智能控制策略研究与应用 | 第79-98页 |
| 4．1 引言 | 第79页 |
| 4．2 NCS智能控制策略研究 | 第79-86页 |
| 4．2．1 智能PID控制 | 第79-82页 |
| 4．2．2 多变量模糊系统的神经网络控制 | 第82-86页 |
| 4．3 NCS智能控制应用研究 | 第86-96页 |
| 4．3．1 主烘腔结构 | 第87页 |
| 4．3．2 主烘腔热工分析 | 第87-89页 |
| 4．3．3 主烘腔温度控制过程的特点 | 第89页 |
| 4．3．4 主烘腔温度模糊控制器的设计 | 第89-94页 |
| 4．3．5 运行情况分析 | 第94-96页 |
| 4．4 本章小结 | 第96页 |
| 本章参考文献 | 第96-98页 |
| 5 NCS智能监控与诊断研究 | 第98-118页 |
| 5．1 引言 | 第98页 |
| 5．2 基于Petri网的故障诊断知识表示与推理 | 第98-104页 |
| 5．2．1 故障诊断深浅知识的模型表达 | 第98-99页 |
| 5．2．2 基于模型知识表达的拓展Petri网模型 | 第99-102页 |
| 5．2．3 基于Petri网的诊断推理 | 第102-103页 |
| 5．2．4 实例分析 | 第103-104页 |
| 5．3 面向制造过程的分布式多Agent监控与诊断 | 第104-110页 |
| 5．3．1 分布式多Agent监控与诊断系统结构 | 第104-105页 |
| 5．3．2 多Agent系统模糊关联模型 | 第105-108页 |
| 5．3．3 多Agent模糊关联监控与诊断决策 | 第108-110页 |
| 5．4 基于知识影响图的多Agent集成诊断与决策 | 第110-116页 |
| 5．4．1 多Agent集成诊断与决策的概念 | 第110-111页 |
| 5．4．2 知识影响图 | 第111-112页 |
| 5．4．3 多Agent集成诊断决策的知识影响图求解 | 第112-114页 |
| 5．4．4 实例研究 | 第114-116页 |
| 5．5 本章小结 | 第116页 |
| 本章参考文献 | 第116-118页 |
| 6 NCS生产优化方法研究 | 第118-140页 |
| 6．1 引言 | 第118页 |
| 6．2 生产过程优化的概念 | 第118-121页 |
| 6．2．1 过程优化的描述及系统结构 | 第118-119页 |
| 6．2．2 过程优化中的关键问题 | 第119-120页 |
| 6．2．3 过程建模及模型优化方法 | 第120-121页 |
| 6．3 过程优化的统计建模 | 第121-130页 |
| 6．3．1 统计分析建模工具SAS | 第121页 |
| 6．3．2 多元逐步回归法 | 第121-122页 |
| 6．3．3 最优变量子集选择方法 | 第122-123页 |
| 6．3．4 聚合反应过程的统计模型 | 第123-130页 |
| 6．4 过程优化模型的求解 | 第130-134页 |
| 6．4．1 模拟退火算法（SA） | 第130页 |
| 6．4．2 随机向量和温度更新函数的确定 | 第130-131页 |
| 6．4．3 不等式约束的处理 | 第131-132页 |
| 6．4．4 改进的模拟退火算法 | 第132页 |
| 6．4．5 聚合反应过程优化模型的求解 | 第132-134页 |
| 6．5 基于神经网络的生产目标在线预测模型 | 第134-138页 |
| 6．5．1 改进的GA算法 | 第135页 |
| 6．5．2 改进的BP算法 | 第135-136页 |
| 6．5．3 切片平均分子量在线预测神经网络模型建立 | 第136-138页 |
| 6．6 本章小结 | 第138页 |
| 本章参考文献 | 第138-140页 |
| 7 总结与展望 | 第140-142页 |
| 7．1 研究总结 | 第140-141页 |
| 7．2 研究展望 | 第141-142页 |
| 致谢 | 第142-143页 |
| 攻读博士期间发表的论文和主要科研成果 | 第143-145页 |
| 技术术语 | 第145-146页 |
