| 摘要 | 第3-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 课题研究背景 | 第16-21页 |
| 1.1.1 血流储备分数 | 第16-17页 |
| 1.1.2 压力导丝及其存在的问题 | 第17-19页 |
| 1.1.3 传感器的软件算法补偿 | 第19-20页 |
| 1.1.4 FPGA概述 | 第20-21页 |
| 1.2 国内外发展状况 | 第21-22页 |
| 1.3 课题的研究内容和意义 | 第22页 |
| 1.4 论文结构安排 | 第22-24页 |
| 第二章 压力导丝温度及非线性误差补偿 | 第24-32页 |
| 2.1 压力导丝温度及非线性误差 | 第24-27页 |
| 2.1.1 压力导丝工作原理 | 第24-25页 |
| 2.1.2 压力导丝温度误差 | 第25-27页 |
| 2.1.3 压力导丝的非线性误差 | 第27页 |
| 2.2 压力导丝硬件补偿方法 | 第27-30页 |
| 2.2.1 采用PGA309实现压力导丝信号调理 | 第27-29页 |
| 2.2.2 压力导丝硬件补偿存在的问题与不足 | 第29-30页 |
| 2.3 压力导丝的软件补偿方法 | 第30-32页 |
| 第三章 改进粒子群优化的BP神经网络算法 | 第32-50页 |
| 3.1 人工神经网络算法 | 第32-37页 |
| 3.1.1 人工神经网络定义 | 第32页 |
| 3.1.2 人工神经网络模型 | 第32-34页 |
| 3.1.3 神经网络传递函数 | 第34-35页 |
| 3.1.4 神经网络的学习 | 第35-37页 |
| 3.2 BP神经网络算法 | 第37-43页 |
| 3.2.1 BP神经网络模型 | 第37-41页 |
| 3.2.2 BP神经网络的优点与不足 | 第41-43页 |
| 3.3 粒子群算法 | 第43-46页 |
| 3.3.1 粒子群算法原理及基本思想 | 第43-44页 |
| 3.3.2 粒子群算法的数学描述及基本步骤 | 第44-45页 |
| 3.3.3 粒子群算法的局限 | 第45-46页 |
| 3.4 改进粒子群优化的BP神经网络算法 | 第46-50页 |
| 3.4.1 粒子群算法的改进 | 第46-48页 |
| 3.4.2 改进粒子群算法优化BP神经网络 | 第48-50页 |
| 第四章 改进PSO-BP算法的压力导丝温度及非线性误差补偿仿真与实现 | 第50-65页 |
| 4.1 压力导丝数据采集系统 | 第50-53页 |
| 4.2 压力导丝的改进PSO-BP神经网络算法仿真 | 第53-57页 |
| 4.2.1 BP神经网络算法的MATLAB仿真实现 | 第53-54页 |
| 4.2.2 改进PSO算法的Matlab仿真实现 | 第54-57页 |
| 4.3 FPGA实现方案 | 第57-65页 |
| 4.3.1 实现方案概述 | 第57-58页 |
| 4.3.2 神经元模块设计 | 第58-62页 |
| 4.3.3 权值阈值存储模块 | 第62-64页 |
| 4.3.4 功能模块仿真 | 第64-65页 |
| 第五章 压力导丝温度及非线性误差补偿效果及数据分析 | 第65-73页 |
| 5.1 压力导丝数据采集实验系统设计及样本数据仿真与分析 | 第65-67页 |
| 5.2 改进PSO-BP神经网络算法补偿效果分析 | 第67-71页 |
| 5.3 FPGA实现软件补偿模型结果分析 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 论文总结 | 第73页 |
| 6.2 展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士学位期间成果 | 第81-82页 |
| 致谢 | 第82-84页 |
