| 摘要 | 第5-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 引言 | 第11页 |
| 1.2 网络控制系统概述 | 第11-14页 |
| 1.3 网络控制系统的特点及产生的问题 | 第14-16页 |
| 1.4 网络控制系统研究现状和发展趋势 | 第16-18页 |
| 1.5 研究网络控制系统的目的与意义 | 第18-19页 |
| 1.6 本文的主要研究工作和创新点 | 第19-20页 |
| 1.7 论文的结构安排 | 第20-21页 |
| 第二章 网络控制系统节点时延及网络协议分析 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 Truetime 仿真工具简介 | 第21-23页 |
| 2.3 各网络协议的特点 | 第23-25页 |
| 2.4 网络控制系统各个节点的时延对 NCS 的干扰研究 | 第25页 |
| 2.5 不同的网络不同节点时延的仿真结果 | 第25-30页 |
| 2.5.1 仿真模型的建立 | 第25-27页 |
| 2.5.2 不同网络类型的仿真结果 | 第27-28页 |
| 2.5.3 不同节点延时的仿真结果 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 模糊 PID控制算法研究 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 PID 控制算法 | 第31-33页 |
| 3.3 模糊 PID 控制算法 | 第33-38页 |
| 3.3.1 模糊控制原理 | 第33-36页 |
| 3.3.2 参数自整定模糊控制规则 | 第36-38页 |
| 3.4 模糊 PID 算法在网络时延控制系统中的仿真 | 第38-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 改进的粒子群优化神经网络 PID控制算法研究 | 第43-63页 |
| 4.1 引言 | 第43-44页 |
| 4.2 人工神经元 | 第44-46页 |
| 4.2.1 神经元的激励函数 | 第44-46页 |
| 4.2.2 神经元的学习 | 第46页 |
| 4.3 神经元 PID 算法 | 第46-49页 |
| 4.3.1 神经元 PID 控制原理 | 第46-47页 |
| 4.3.2 基于有监督的 Hebb 学习规则的神经元 PID 算法 | 第47-48页 |
| 4.3.3 改进的神经元 PID 控制算法 | 第48-49页 |
| 4.4 神经网络 PID 控制器的设计 | 第49-52页 |
| 4.4.1 神经 PID 控制器的结构 | 第49-50页 |
| 4.4.2 神经元的输入和输出 | 第50-51页 |
| 4.4.3 神经网络 PID 控制器的学习算法 | 第51-52页 |
| 4.5 神经网络 PID 控制器的优化 | 第52-55页 |
| 4.5.1 改进的粒子群优化算法 | 第53-54页 |
| 4.5.2 网络初始权值的优化 | 第54-55页 |
| 4.5.3 控制系统的操作步骤 | 第55页 |
| 4.6 基于粒子群优化算法的神经网络 PID 控制器的仿真 | 第55-58页 |
| 4.7 粒子群优化算法的神经网络 PID 控制算法在网络时延控制系统中的仿真 | 第58-61页 |
| 4.8 本章小结 | 第61-63页 |
| 第五章 基于 MATLAB 网络控制系统整体设计与实时仿真 | 第63-79页 |
| 5.1 引言 | 第63页 |
| 5.2 模糊控制器的生成 | 第63-70页 |
| 5.2.1 模糊控制器的 MATLAB 研究 | 第63-67页 |
| 5.2.2 模糊 PID 控制器的 Simulink 仿真模块 | 第67-70页 |
| 5.3 改进粒子群优化算法的神经网络 PID 算法的控制器 | 第70页 |
| 5.4 网络控制系统的建立 | 第70-77页 |
| 5.4.1 TrueTime 仿真平台的搭建 | 第70-72页 |
| 5.4.2 仿真过程的建立以及结果分析 | 第72-77页 |
| 5.5 本章小结 | 第77-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 攻读硕士学位期间发表(录用)的论文情况说明 | 第87-89页 |
| 致谢 | 第89页 |
