| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 课题的研究背景和意义 | 第9-11页 |
| 1.1.1 课题的研究背景 | 第9-11页 |
| 1.1.2 课题的研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 管道机器人技术的研究现状 | 第11-12页 |
| 1.2.2 遥操作机器人技术的研究现状 | 第12-13页 |
| 1.3 基于 Internet 遥操作机器人系统存在的问题 | 第13-14页 |
| 1.4 网络遥操作机器人系统控制算法概述 | 第14-16页 |
| 1.4.1 直接控制 | 第14页 |
| 1.4.2 监督控制 | 第14-15页 |
| 1.4.3 预测控制 | 第15-16页 |
| 1.4.4 基于无源性理论的控制方法 | 第16页 |
| 1.4.5 基于事件的控制方法 | 第16页 |
| 1.5 课题的研究内容 | 第16页 |
| 1.6 论文的主要工作 | 第16-18页 |
| 第二章 Internet 时延特性分析与测试 | 第18-26页 |
| 2.1 机器人遥操作系统的网络传输时延分析 | 第18-19页 |
| 2.2 网络传输时延计算模型 | 第19-20页 |
| 2.3 Internet 时延的测试 | 第20-24页 |
| 2.3.1 Internet 时延的测试方法 | 第20-22页 |
| 2.3.2 Internet 时延的测试结果及分析 | 第22-24页 |
| 2.4 网络传输时延影响的解决方法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于神经网络的时延预测 | 第26-36页 |
| 3.1 神经网络的发展概况和应用 | 第26-27页 |
| 3.2 人工神经网络模型 | 第27-30页 |
| 3.2.1 人工神经元模型 | 第27-28页 |
| 3.2.2 人工神经网络结构 | 第28-29页 |
| 3.2.3 神经网络的学习 | 第29-30页 |
| 3.3 GMDH 人工神经网络 | 第30-35页 |
| 3.3.1 GMDH 人工神经网络简介 | 第30页 |
| 3.3.2 GMDH 人工神经网络学习算法 | 第30-32页 |
| 3.3.3 GMDH 人工神经网络时延预测 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 Smith 预估控制器及其改进 | 第36-45页 |
| 4.1 Smith 预估控制原理 | 第36-37页 |
| 4.2 Smith 预估控制存在的问题 | 第37页 |
| 4.3 Smith 预估控制的改进方案 | 第37-38页 |
| 4.4 Smith 预估 BP 神经网络的 PID 控制 | 第38-43页 |
| 4.4.1 BP 神经网络 | 第39页 |
| 4.4.2 基于 BP 网络的 PID 整定原理 | 第39-43页 |
| 4.5 基于 BP 网络 PID 控制的 Smith 预估控制仿真 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 遥操作管道机器人控制系统设计及仿真 | 第45-54页 |
| 5.1 主从式遥操作控制系统模型及原理 | 第45-48页 |
| 5.1.1 主从式机器人双向控制方程 | 第45-46页 |
| 5.1.2 等效动力模型 | 第46-48页 |
| 5.2 简化模型控制方案 | 第48-50页 |
| 5.3 简化模型控制方案仿真 | 第50-53页 |
| 5.3.1 建立控制模型 | 第50-51页 |
| 5.3.2 仿真结果及分析 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 总结与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间取得的学术成果 | 第59-60页 |
| 致谢 | 第60页 |
