| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·课题来源与研究背景 | 第8页 |
| ·晶体生长炉温度控制系统发展与现状 | 第8-10页 |
| ·神经网络与神经网络控制的发展与现状 | 第10-13页 |
| ·神经网络与神经网络控制的发展 | 第10-12页 |
| ·国内研究现状 | 第12-13页 |
| ·课题研究的目的和意义 | 第13-14页 |
| ·研究目的 | 第13页 |
| ·课题研究的意义 | 第13-14页 |
| 2 PID 控制 | 第14-28页 |
| ·PID 控制原理 | 第14-15页 |
| ·数字PID 控制算法 | 第15-17页 |
| ·位置式PID 控制算法 | 第15-16页 |
| ·增量式PID 控制算法 | 第16-17页 |
| ·改进PID 控制 | 第17-26页 |
| ·自适应PID 控制 | 第17-21页 |
| ·智能PID 控制 | 第21-23页 |
| ·模糊PID 控制 | 第23-26页 |
| ·本章小结 | 第26-28页 |
| 3 人工神经网络基础 | 第28-46页 |
| ·人工神经元 | 第28-31页 |
| ·人工神经元数学模型 | 第28-29页 |
| ·神经元的激发函数 | 第29-31页 |
| ·人工神经网络模型 | 第31-34页 |
| ·网络拓扑结构类型 | 第31-33页 |
| ·网络信息流向类型 | 第33-34页 |
| ·神经网络学习 | 第34-38页 |
| ·Hebb 学习规则 | 第35页 |
| ·Perceptron 学习规则 | 第35-36页 |
| ·δ学习规则 | 第36-37页 |
| ·LMS 学习规则 | 第37页 |
| ·Correlation 学习规则 | 第37页 |
| ·Winner-Take-All 学习规则 | 第37-38页 |
| ·Outstar 学习规则 | 第38页 |
| ·PID 神经网络 | 第38-43页 |
| ·人工神经网络PID 调节元 | 第38-41页 |
| ·PID 神经网络的基本形式 | 第41-42页 |
| ·PID 神经网络调整算法 | 第42-43页 |
| ·本章小结 | 第43-46页 |
| 4 基于 FPGA 的 PID 神经网络温度控制模块设计 | 第46-60页 |
| ·IEEE754 标准的单精度浮点数表示 | 第46-47页 |
| ·FPGA 与数字系统设计 | 第47-54页 |
| ·Altera 公司的FPGA 器件系列 | 第47页 |
| ·FPGA 的工程设计流程 | 第47-49页 |
| ·IP 技术 | 第49-50页 |
| ·Altera 软IP 核的应用 | 第50-54页 |
| ·晶体生长炉温度控制的电路结构 | 第54-59页 |
| ·晶体生长炉温度控制系统框图 | 第54-55页 |
| ·PID 神经网络控制器的电路结构示意图 | 第55页 |
| ·基于FPGA 的PID 神经网络控制模块的实现 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 5 PID 神经网络温度控制器模块测试与分析 | 第60-70页 |
| ·控制算法的MATLAB 仿真测试 | 第60-64页 |
| ·温度控制系统仿真测试模型 | 第60页 |
| ·温度控制系统仿真与分析 | 第60-64页 |
| ·温度控制模块空载时序仿真测试 | 第64-65页 |
| ·温度控制模块加热控制时序仿真测试与分析 | 第65-68页 |
| ·本章小结 | 第68-70页 |
| 6 总结与展望 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 附录 作者在攻读学位期间发表的论文 | 第78页 |