摘要 | 第4-5页 |
Abstract | 第5-6页 |
目录 | 第7-11页 |
图表附录 | 第11-13页 |
1 绪论 | 第13-21页 |
1.1 课题背景及意义 | 第13-14页 |
1.1.1 网络控制系统产生的背景 | 第13页 |
1.1.2 网络控制系统研究的意义 | 第13-14页 |
1.2 网络控制系统概述 | 第14-16页 |
1.2.1 网络控制系统基本结构 | 第14页 |
1.2.2 常用网络协议 | 第14-15页 |
1.2.3 NCS 节点驱动方式 | 第15页 |
1.2.4 时钟同步 | 第15-16页 |
1.3 网络控制系统问题描述 | 第16-17页 |
1.3.1 网络时延 | 第16页 |
1.3.2 数据丢包 | 第16-17页 |
1.3.3 网络拥塞 | 第17页 |
1.4 网络控制系统研究现状 | 第17-19页 |
1.4.1 时延预测研究现状 | 第17-18页 |
1.4.2 时延补偿与控制研究现状 | 第18-19页 |
1.5 本文主要工作 | 第19-21页 |
2 网络时延的分析和建模 | 第21-27页 |
2.1 网络时延的产生和组成 | 第21-22页 |
2.2 网络控制系统时延采集及分析 | 第22-24页 |
2.3 网络时延数学模型 | 第24-26页 |
2.3.1 常见时延模型 | 第24-25页 |
2.3.2 网络时延建模 | 第25-26页 |
2.4 本章小结 | 第26-27页 |
3 网络控制系统时延预测控制 | 第27-42页 |
3.1 LMI 在线时延预测控制 | 第27-31页 |
3.1.1 网络时延 AR 模型 | 第27-28页 |
3.1.2 模型参数的确定 | 第28-29页 |
3.1.3 加权系数的确定 | 第29-30页 |
3.1.4 最小均方预测算法 | 第30页 |
3.1.5 仿真分析 | 第30-31页 |
3.2 小波神经网络时延预测控制 | 第31-36页 |
3.2.1 小波神经网络基本原理 | 第31-34页 |
3.2.2 基于小波神经网络的时延预测 | 第34-35页 |
3.2.3 仿真分析 | 第35-36页 |
3.3 最小二乘支持向量机时延预测控制 | 第36-40页 |
3.3.1 最小二乘支持向量机基本原理 | 第37-38页 |
3.3.2 基于最小二乘支持向量机的网络时延预测 | 第38-39页 |
3.3.3 仿真分析 | 第39-40页 |
3.4 本章小结 | 第40-42页 |
4 网络控制系统时延分类补偿 | 第42-57页 |
4.1 小时延系统时延补偿 | 第42-49页 |
4.1.1 模糊控制原理 | 第43-44页 |
4.1.2 小时延网络系统模糊 PID 时延补偿 | 第44-46页 |
4.1.3 仿真验证 | 第46-49页 |
4.2 大时延网络控制系统时延补偿 | 第49-55页 |
4.2.1 广义预测控制 | 第49-51页 |
4.2.2 改进的 JGPC 时延补偿控制器设计 | 第51-53页 |
4.2.3 仿真分析 | 第53-55页 |
4.3 本章小结 | 第55-57页 |
5 基于混合控制的网络时延补偿 | 第57-65页 |
5.1 混合时延补偿 | 第57-60页 |
5.2 混合控制器的改进 | 第60-63页 |
5.2.1 问题描述 | 第60页 |
5.2.2 改进混合控制器设计 | 第60-62页 |
5.2.3 仿真验证 | 第62-63页 |
5.3 本章小结 | 第63-65页 |
6 基于 Smith 预估器的网络时延补偿 | 第65-81页 |
6.1 传统 Smith 预估时延补偿 | 第65-68页 |
6.1.1 传统 Smith 预估器时延补偿原理 | 第65-66页 |
6.1.2 仿真分析 | 第66-67页 |
6.1.3 补偿效果分析 | 第67-68页 |
6.2 参数自校正 Smith 预估时延补偿控制 | 第68-72页 |
6.2.1 自校正 Smith 预估控制器设计 | 第69-71页 |
6.2.2 仿真验证与分析 | 第71-72页 |
6.3 改进 I 型 Smith 预估网络时延补偿 | 第72-75页 |
6.3.1 改进 I 型 Smith 预估器结构 | 第73-74页 |
6.3.2 仿真验证与分析 | 第74-75页 |
6.4 改进 II 型 Smith 预估网络时延补偿 | 第75-80页 |
6.4.1 改进 II 型 Smith 预估器设计 | 第76-79页 |
6.4.2 仿真验证与分析 | 第79-80页 |
6.5 本章小结 | 第80-81页 |
7 结论与展望 | 第81-83页 |
7.1 结论 | 第81-82页 |
7.2 展望 | 第82-83页 |
参考文献 | 第83-88页 |
致谢 | 第88-89页 |
个人简历及研究成果 | 第89页 |