面向燃气电动调压的PID神经网络控制系统设计与FPGA实现
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题来源 | 第8页 |
| 1.2 研究背景与意义 | 第8-9页 |
| 1.2.1 研究背景 | 第8-9页 |
| 1.2.2 研究意义 | 第9页 |
| 1.3 燃气调压器研究现状 | 第9-10页 |
| 1.3.1 国外研究现状 | 第9-10页 |
| 1.3.2 国内研究现状 | 第10页 |
| 1.4 神经网络研究发展与现状 | 第10-12页 |
| 1.5 课题主要研究内容与组织结构 | 第12-14页 |
| 2 PID控制原理 | 第14-28页 |
| 2.1 PID控制原理 | 第14-15页 |
| 2.2 PID控制器的参数整定 | 第15页 |
| 2.3 数字PID控制 | 第15-18页 |
| 2.3.1 位置式PID控制算法 | 第16-17页 |
| 2.3.2 增量式PID控制算法 | 第17页 |
| 2.3.3 积分分离PID控制算法 | 第17-18页 |
| 2.4 改进PID控制 | 第18-27页 |
| 2.4.1 自适应PID控制 | 第18-21页 |
| 2.4.2 智能PID控制 | 第21-23页 |
| 2.4.3 模糊PID控制 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 人工神经网络基础 | 第28-45页 |
| 3.1 人工神经元模型 | 第28-32页 |
| 3.1.1 人工神经元的形式化描述 | 第28-30页 |
| 3.1.2 转移函数 | 第30-32页 |
| 3.2 人工神经网络的互连结构 | 第32-33页 |
| 3.3 人工神经网络的学习 | 第33-38页 |
| 3.3.1 人工神经网络的学习方式 | 第33-35页 |
| 3.3.2 基本的神经网络学习规则 | 第35-38页 |
| 3.4 PID神经网络 | 第38-44页 |
| 3.4.1 人工神经网络PID调节元 | 第38-41页 |
| 3.4.2 PID神经网络的基本形式 | 第41-43页 |
| 3.4.3 学习算法 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于FPGA的PID神经网络控制器设计 | 第45-62页 |
| 4.1 单精度浮点数计数规则 | 第45页 |
| 4.2 FPGA简介 | 第45-51页 |
| 4.2.1 FPGA的发展与优势 | 第45-47页 |
| 4.2.2 FPGA的开发环境 | 第47-49页 |
| 4.2.3 FPGA的设计方法 | 第49-51页 |
| 4.3 基于IP核的设计 | 第51-56页 |
| 4.3.1 IP核的分类 | 第51页 |
| 4.3.2 IP核的优势 | 第51-52页 |
| 4.3.3 IP核的应用 | 第52-56页 |
| 4.4 燃气调压器控制模块的实现 | 第56-61页 |
| 4.4.1 电动燃气调压器系统模型 | 第56-57页 |
| 4.4.2 PID神经网络控制模块的FPGA实现 | 第57-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 仿真与测试 | 第62-68页 |
| 5.1 控制算法的软件仿真测试 | 第62-64页 |
| 5.2 气压控制模块空载时序仿真测试 | 第64-65页 |
| 5.3 气压控制模块调压控制时序仿真与分析 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75页 |
