| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第10-16页 |
| 1.1 选题背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 多变量控制系统的研究现状 | 第12-13页 |
| 1.2.2 自适应控制系统的研究现状 | 第13-14页 |
| 1.2.3 神经网络实现方式的研究现状 | 第14页 |
| 1.3 本文主要研究内容和结构安排 | 第14-16页 |
| 2 基于PID神经元网络的MIMO系统控制方法 | 第16-34页 |
| 2.1 本章引言 | 第16页 |
| 2.2 传统的多变量系统的解耦控制方法简介 | 第16-20页 |
| 2.2.1 解耦控制原理 | 第16-17页 |
| 2.2.2 耦合程度 | 第17页 |
| 2.2.3 解耦控制方法 | 第17-20页 |
| 2.3 PID神经元网络的耦合补偿方法 | 第20-31页 |
| 2.3.1 PIDNN耦合补偿器及其推导 | 第21-25页 |
| 2.3.2 耦合补偿器PIDNN的前向计算方法 | 第25-26页 |
| 2.3.3 耦合补偿器PIDNN的反传计算方法 | 第26-29页 |
| 2.3.4 仿真实例 | 第29-31页 |
| 2.4 其它耦合补偿神经网络 | 第31-32页 |
| 2.5 算法比较 | 第32页 |
| 2.6 本章小结 | 第32-34页 |
| 3 神经网络自适应控制算法 | 第34-50页 |
| 3.1 本章引言 | 第34页 |
| 3.2 自适应控制 | 第34-35页 |
| 3.3 基于最小二乘法的自校正PID控制算法 | 第35-39页 |
| 3.4 单神经元自适应PID控制 | 第39-41页 |
| 3.5 基于RBF神经网络的自适应控制 | 第41-48页 |
| 3.5.1 RBF径向基神经网络 | 第41-44页 |
| 3.5.2 一种基于RBF神经网络自适应控制算法 | 第44-47页 |
| 3.5.3 一种基于RBF辨识的神经元自适应PID控制 | 第47-48页 |
| 3.6 算法比较 | 第48-49页 |
| 3.7 本章小结 | 第49-50页 |
| 4 耦合补偿器的FPGA实现 | 第50-68页 |
| 4.1 本章引言 | 第50页 |
| 4.2 FPGA实现神经网络的优势 | 第50-51页 |
| 4.2.1 神经网络硬件实现的必要性 | 第50-51页 |
| 4.2.2 CPU,DSP与FPGA实现神经网络的比较 | 第51页 |
| 4.3 FPGA可编程门阵列 | 第51-54页 |
| 4.4 基于RBF神经网络的耦合补偿器FPGA实现 | 第54-62页 |
| 4.4.1 RBF神经网络FPGA实现的关键技术 | 第54-58页 |
| 4.4.3 系统整体设计 | 第58-60页 |
| 4.4.4 各模块设计 | 第60-61页 |
| 4.4.5 系统仿真结果 | 第61-62页 |
| 4.5 PID神经元网络的FPGA实现 | 第62-67页 |
| 4.5.1 PID神经元网络FPGA实现的关键技术 | 第62-65页 |
| 4.5.2 系统整体设计 | 第65-66页 |
| 4.5.3 系统仿真结果 | 第66-67页 |
| 4.6 本章小结 | 第67-68页 |
| 5 总结与展望 | 第68-70页 |
| 5.1 全文总结 | 第68页 |
| 5.2 工作展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 附录A 攻读硕士学位期间从事的科研项目 | 第74页 |
