| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 控制理论的研究 | 第12-15页 |
| 1.2.2 网络通信研究 | 第15-16页 |
| 1.3 本论文主要研究内容和结构安排 | 第16-18页 |
| 第二章 网络控制系统基本问题分析 | 第18-26页 |
| 2.1 网络控制系统结构与特点 | 第18-19页 |
| 2.2 网络控制系统的基本问题 | 第19-23页 |
| 2.2.1 网络诱导时延 | 第19-20页 |
| 2.2.2 数据包丢失 | 第20页 |
| 2.2.3 数据包时序错乱 | 第20-21页 |
| 2.2.4 网络调度 | 第21页 |
| 2.2.5 节点驱动方式 | 第21-23页 |
| 2.2.6 时钟同步 | 第23页 |
| 2.3 本章小结 | 第23-26页 |
| 第三章 时延和丢包对网络控制系统性能的影响 | 第26-36页 |
| 3.1 网络时延 | 第26-32页 |
| 3.1.1 网络时延产生的原因 | 第26页 |
| 3.1.2 网络控制系统中时延的组成 | 第26-28页 |
| 3.1.3 网络控制系统仿真环境简介 | 第28-30页 |
| 3.1.4 仿真结果及分析 | 第30-32页 |
| 3.2 数据丢包 | 第32-35页 |
| 3.2.1 数据丢包原因 | 第32-33页 |
| 3.2.2 仿真实例 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 基于粒子群优化的神经网络预测控制系统研究 | 第36-58页 |
| 4.1 预测控制基本原理 | 第36-38页 |
| 4.1.1 预测模型 | 第36-37页 |
| 4.1.2 滚动优化 | 第37页 |
| 4.1.3 反馈校正 | 第37-38页 |
| 4.2 神经网络预测控制系统 | 第38-43页 |
| 4.2.1 神经网络预测控制结构和分类 | 第38-39页 |
| 4.2.2 BP神经网络原理 | 第39-41页 |
| 4.2.3 神经网络预测控制原理 | 第41-43页 |
| 4.3 基于粒子群优化的神经网络预测控研究 | 第43-57页 |
| 4.3.1 基于粒子群优化的神经网络预测控制系统结构 | 第43-44页 |
| 4.3.2 粒子群算法基本原理 | 第44-45页 |
| 4.3.3 自适应变异粒子群优化算法设计与仿真验证 | 第45-50页 |
| 4.3.4 BP神经网络预测模型优化与仿真研究 | 第50-53页 |
| 4.3.5 基于粒子群滚动优化与反馈校正的设计与仿真验证 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 基于时延补偿的神经网络预测网络控制系统研究 | 第58-64页 |
| 5.1 基于AMPSO的神经网络预测网络控制系统结构 | 第58-59页 |
| 5.2 时延补偿策略 | 第59-61页 |
| 5.3 基于时延补偿的神经网络预测网络控制系统仿真验证 | 第61-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 论文总结 | 第64页 |
| 6.2 研究展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 附录A(攻读硕士学位期间的学术成果) | 第72页 |
