基于动态矩阵控制的网络控制系统时延补偿
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 国内外研究的背景及现状 | 第9-14页 |
| 1.1.1 网络控制系统的发展历程 | 第9-10页 |
| 1.1.2 网络控制系统的概念及特点 | 第10-11页 |
| 1.1.3 网络控制系统的优点及存在的问题 | 第11页 |
| 1.1.4 国内外的研究现状 | 第11-14页 |
| 1.2 本文主要工作及内容安排 | 第14-15页 |
| 第2章 网络控制系统基础知识 | 第15-30页 |
| 2.1 网络控制系统描述 | 第15页 |
| 2.2 网络控制系统中的基本问题 | 第15-21页 |
| 2.2.1 网络时延 | 第16-17页 |
| 2.2.2 采样周期 | 第17页 |
| 2.2.3 节点的驱动方式 | 第17-19页 |
| 2.2.4 延时抖动 | 第19页 |
| 2.2.5 单包传输与多包传输 | 第19-20页 |
| 2.2.6 网络调度 | 第20页 |
| 2.2.7 数据包的时序错乱与丢包 | 第20-21页 |
| 2.2.8 信道带宽有限 | 第21页 |
| 2.2.9 时钟同步 | 第21页 |
| 2.3 网络控制系统稳定性分析 | 第21-23页 |
| 2.4 仿真环境简介与实验平台的组建 | 第23-29页 |
| 2.4.1 TrueTime2.0工具箱简介 | 第23-26页 |
| 2.4.2 TrueTime工具箱的初始化 | 第26页 |
| 2.4.3 TrueTime的安装步骤和使用 | 第26-27页 |
| 2.4.4 仿真分析 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于径向基神经网络的时延预测 | 第30-40页 |
| 3.1 人工神经元模型 | 第30-32页 |
| 3.2 人工神经网络的结构 | 第32-33页 |
| 3.3 RBF神经网络 | 第33-35页 |
| 3.3.1 RBF神经网络简介 | 第33-35页 |
| 3.3.2 RBF网络模型 | 第35页 |
| 3.4 基于RBF的时延预测及仿真 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 PI—DMC在网络控制系统中的时延补偿 | 第40-53页 |
| 4.1 动态矩阵 | 第40-45页 |
| 4.1.1 引言 | 第40页 |
| 4.1.2 动态矩阵控制 | 第40-44页 |
| 4.1.3 动态矩阵控制的时延补偿策略 | 第44-45页 |
| 4.2 PI—DMC | 第45-50页 |
| 4.2.1 PI—DMC | 第45-47页 |
| 4.2.2 PI—DMC的稳定性分析 | 第47-48页 |
| 4.2.3 PI—DMC的时滞补偿 | 第48-50页 |
| 4.3 仿真分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 在学研究成果 | 第57-58页 |
| 致谢 | 第58页 |
