| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 概述 | 第9-10页 |
| 1.2 直流电机控制的发展及研究现状 | 第10-11页 |
| 1.3 网络控制系统的简介 | 第11页 |
| 1.4 网络控制系统的研究方法及现状 | 第11-13页 |
| 1.5 研究的目的和意义 | 第13-14页 |
| 1.6 本文的主要内容和结构 | 第14-17页 |
| 第2章 以太网控制系统的描述 | 第17-25页 |
| 2.1 网络控制系统概念与结构 | 第17-18页 |
| 2.2 网络控制系统中存在的问题 | 第18-20页 |
| 2.3 以太网技术简介 | 第20-21页 |
| 2.3.1 以太网控制系统的特点 | 第20-21页 |
| 2.4 网络控制系统的时延分析 | 第21-24页 |
| 2.4.1 网络时延的组成 | 第21-22页 |
| 2.4.2 时延对系统的影响 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 新型Smith预估器控制算法原理 | 第25-31页 |
| 3.1 Smith预估补偿控制 | 第25-27页 |
| 3.1.1 经典Smith预估补偿原理 | 第25-26页 |
| 3.1.2 Smith预估器的网络控制系统 | 第26-27页 |
| 3.2 Smith预估器的研究现状 | 第27-28页 |
| 3.3 新型Smith预估器的设计 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 新型Smith单神经元自适应PID控制器的设计 | 第31-53页 |
| 4.1 概述 | 第31-32页 |
| 4.2 神经网络控制理论 | 第32-43页 |
| 4.2.1 生物神经元模型 | 第32页 |
| 4.2.2 人工神经网络模型 | 第32-34页 |
| 4.2.3 人工神经网络的构成和主要特性 | 第34-35页 |
| 4.2.4 神经网络的学习 | 第35-38页 |
| 4.2.5 神经网络控制结构类型 | 第38-43页 |
| 4.3 单神经元自适应PID控制器的设计 | 第43-46页 |
| 4.4 仿真及分析 | 第46-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第5章 新型Smith模糊免疫自适应PID控制器的设计 | 第53-73页 |
| 5.1 概述 | 第53页 |
| 5.2 新型Smith模糊免疫自适应PID控制器的结构设计 | 第53-54页 |
| 5.3 模糊自适应PID控制 | 第54-57页 |
| 5.3.1 模糊控制的基本原理 | 第54-56页 |
| 5.3.2 模糊控制的特点 | 第56页 |
| 5.3.3 模糊自适应PID控制结构 | 第56-57页 |
| 5.4 免疫系统的描述 | 第57-62页 |
| 5.4.1 免疫系统的原理 | 第58页 |
| 5.4.2 免疫系统的特点 | 第58-59页 |
| 5.4.3 免疫控制算法 | 第59-61页 |
| 5.4.4 免疫反馈算法原理 | 第61-62页 |
| 5.5 模糊免疫自适应PID控制器的设计 | 第62-66页 |
| 5.5.1 模糊免疫控制比例系数的自调整 | 第62-63页 |
| 5.5.2 模糊控制积分和微分参数的自调整 | 第63-66页 |
| 5.6 仿真及分析 | 第66-71页 |
| 5.7 本章小结 | 第71-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间的研究成果 | 第81页 |
