| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 本文的研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 传感器温度补偿的研究现状 | 第11-12页 |
| 1.2.2 神经网络硬件实现的研究现状 | 第12页 |
| 1.3 本文的研究内容及组织结构 | 第12-14页 |
| 1.3.1 论文的主要研究内容 | 第12-13页 |
| 1.3.2 论文的章节安排 | 第13-14页 |
| 第2章 间隙传感器温度补偿方法 | 第14-20页 |
| 2.1 间隙传感器的工作原理 | 第14页 |
| 2.2 温度漂移的机理 | 第14-17页 |
| 2.3 基于逆模型的温度补偿方法 | 第17-19页 |
| 2.3.1 逆系统方法 | 第17-18页 |
| 2.3.2 间隙传感器逆模型温度补偿 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 基于混合学习算法的RBF神经网络温度补偿模型 | 第20-36页 |
| 3.1 人工神经网络概述 | 第20-21页 |
| 3.1.1 神经网络的特点 | 第20页 |
| 3.1.2 神经元模型 | 第20-21页 |
| 3.2 RBF神经网络 | 第21-25页 |
| 3.2.1 RBF神经网络的结构 | 第21-23页 |
| 3.2.2 RBF神经网络的训练方法 | 第23-25页 |
| 3.3 粒子群优化算法 | 第25-27页 |
| 3.4 粒子群优化-梯度下降混合算法 | 第27-29页 |
| 3.5 仿真与分析 | 第29-35页 |
| 3.5.1 样本数据的选取 | 第29页 |
| 3.5.2 RBF神经网络的训练 | 第29-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 RBF神经网络温度补偿模型的FPGA实现 | 第36-50页 |
| 4.1 FPGA概述 | 第36-38页 |
| 4.1.1 FPGA的结构和特点 | 第36-37页 |
| 4.1.2 FPGA的开发流程 | 第37-38页 |
| 4.2 基于流水线的单神经元设计 | 第38-47页 |
| 4.2.1 流水线设计 | 第38-39页 |
| 4.2.2 神经元的计算流程 | 第39-40页 |
| 4.2.3 FPGA乘法器 | 第40-42页 |
| 4.2.4 高斯函数的FPGA计算 | 第42-46页 |
| 4.2.5 单神经元仿真 | 第46-47页 |
| 4.3 温度补偿模型的FPGA实现 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 实验验证 | 第50-55页 |
| 5.1 LABVIEW概述 | 第50页 |
| 5.2 测试软件的设计 | 第50-51页 |
| 5.2.1 数据发送模块 | 第51页 |
| 5.2.2 数据接收和保存模块 | 第51页 |
| 5.3 下位机的设计 | 第51-52页 |
| 5.4 实验结果 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 结论与展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表论文及科研情况 | 第61页 |