随着现代分布式工业监控网络的发展,其结构变得越来越开放和复杂,而且与企业网、广域网结合更加紧密,使得工业监控网络的很多网络特性都发生了改变。必须对工业监控网进行网络测量、预测和控制,才能使其更好的为各个控制系统和监控系统工作。本文研究了现代分布式工业监控系统中网络测量与控制的关键技术,包括监控网络时延测量与分析、监控网络时延的静态与动态预测模型、工业网拓扑结构的可靠性分析、监控网关的容错机制、控制系统网络行为分析、流媒体监控系统流量控制策略、控制系统网络资源分配机制等。本文的主要内容和贡献如下:(1)首先介绍了研究背景和意义、现代工业网络的发展与趋势、工业现场网络的变迁与远程监控系统的建立、网络测量技术的现状、国内外相关研究机构介绍,然后阐述了研究现代分布式工业监控系统中网络测量与控制技术的必要性和面临的挑战。(2)对包括网络测量、网络预测和流量控制在内的一些相关研究内容进行了综述。从网络测量的基本原理开始,介绍了网络测量的手段与分类,网络性能预测的基本原理与性能指标,最后对网络控制技术中的服务质量控制、服务质量度量和流量控制进行了概述。(3)对现有网络测量和预测算法做了概述和比较,在监控网时延预测中引入了支持向量回归理论。研究了监控网的时延特性,提出了一种基于非线性ε-SVR的网络时延静态预测模型,以工作日为周期建立非线性回归模型,对网络测量的RTT数据进行训练和预测。在实际实验与窄带远程监控系统的测试中,该静态模型工作效果良好,能有效的预测时段的时延,与同类型方法相比预测精度更高。(4)研究了动态监控网络中时延的短期特性,对监控网络三种结构的可靠性进行了建模,并分析了每种结构的特性。在本文提出的静态预测模型的基础上进一步泛化时延预测模型,以控制周期为标准来建立动态的基于非线性ε-SVR的时延预测模型,还分别探讨了多种非线性核函数的预测效果。实验和应用表明:与同类型动态预测方法相比,该模型不但能够在预测效果上达到现有预测水平,而且能大大提高预测速度,适应实时预测的需要。(5)研究了监控网中各监控系统之间的非合作博弈模型,提出了相关的网络资源调度策略。以包含多个基于不同通讯协议的网络控制系统的混合控制系统为基础,对各种监控系统进行了数学抽象。提出了监控网络中调度策略的非合作博弈模型,该模型能够反映各种监控子系统的动态运行特征与相互竞争关系。根据调度方式与监控系统的特点设计了子系统的效用函数,并讨论了该非合作博弈模型的有效性,证明了Nash均衡点的存在性和唯一性。还给出了调度优化问题的描述和基于遗传算法的解算方法。仿真和实验表明,该模型能够有效的反映子系统间的资源竞争,可以求得优化的带宽分配方案。(6)对监控网中的控制系统所表现的网络行为进行了研究和分类,建立了一个基于概率的带优先级的网关队列中数据分组的排队模型,并分析了各模型的特性与效果。继而提出了一种基于网络行为识别的监控网关流量控制模型。实验和实际应用说明,该模型能够有效的识别各种控制系统和监控系统的流量特征,在监控网关上进行合理的流量控制。而且该模型还能够识别对等网构架的流量信息,为即将出现的基于对等网的远程监控系统的网络流量控制做了预研究。(7)基于本文各章节的研究和创新,借鉴了TCPDUMP和Wireshark等权威网络测量软件的特点和优点,研发了一套能够适应分布式工业网络需要的、分布式的、多元联动的、一体化的网络测量与联动控制系统,为网络化控制和远程监控系统提供更好的网络工作环境。与现有系统相比,该系统在协议识别能力、协同控制方式、人机界面等多个方面都有改进和创新。该系统能够适应各种工业监控系统的实际工况,并成功应用于多个项目。最后,对全文的研究工作进行了总结,提出了进一步的研究方向。