基于FPGA实现神经网络智能控制器的研究

论文摘要

基于目前机电一体化设备控制系统主要采用国外可编程序控制器（PLC）,以及由PLC和工业控制计算机（工业PC）为核心组成的现场控制总线控制系统。本课题提出以嵌入式微处理器ARM+FPGA为核心,并以FPGA作为控制算法协处理器组成新型的PLC。FPGA作为控制算法协处理器实现智能控制算法,如PTD控制算法、模糊控制算法、遗传算法等,这些控制算法作为控制模块嵌入到PLC的梯形图中作为功能模块调用。用FPGA做为协处理器可以很好的解决控制系统在处理复杂数据的情况下实时响应的问题。协控制器FPGA和主控制器ARM之间采用双字节串行异步通讯方式传递信息。本文利用可重复配置的现场可编程门阵列（FPGA）作为协处理器,在FPGA内部实现人工神经网络,将其训练成PID控制器并嵌入以高级精简指令处理器（ARM）为核心的PLC系统中,使PLC能够在梯形图中调用智能控制模块,实现PLC控制器的智能化。利用FPGA可反复擦写的优点,系统性能得到不断的完善。文章中重点介绍了以下内容:误差反向传播（BP）神经网络的硬件模型的实现。包括浮点加、减法运算器,乘法运算器的实现;权值存储调用的实现;激活函数的实现。协处理器FPGA与主控制器ARM的连接,即双字节串行异步通讯收发器的实现。包括波特率发生器、数据接收器、数据发生器。实现对热电偶的温度调节控制。包括PID参数整定,热电偶温控系统的仿真。

论文目录

• 摘要
• ABSTRACT
• 第1章 引言
• 1.1 课题的来源及研究意义
• 1.2 可编程逻辑控制器PLC的发展状况
• 1.3 人工神经网络实现技术的发展状况
• 1.4 神经网络的FPGA硬件实现
• 1.5 课题的研究内容
• 第2章 新型PLC控制器的总体设计
• 2.1 PLC控制器的结构设计
• 2.2 PLC控制器的程序执行过程
• 第3章 神经网络PID控制算法
• 3.1 神经网络的组成
• 3.1.1 单神经元模型
• 3.1.2 神经元的连接形式
• 3.1.3 神经网络的学习规则
• 3.1.4 误差反向传播BP神经网络
• 3.2 基于神经网络的PID控制器
• 3.2.1 基于BP神经网络的PID控制器及其学习算法
• 第4章 基于FPGA的BP神经网络PID控制算法的实现
• 4.1 浮点数基础及其硬件实现
• 4.1.1 浮点数的表示
• 4.1.2 浮点数加法运算规则
• 4.1.3 浮点数加、减法运算的硬件电路实现
• 4.1.4 浮点数乘法运算规则
• 4.1.5 浮点数乘法运算的硬件电路实现
• 4.1.6 权值存储及其调用模块的实现
• 4.1.7 激活函数的实现
• 4.2 BP神经网络PID控制算法的FPGA硬件实现
• 第5章 FPGA智能控制器作为协处理器的嵌入
• 5.1 ARM与FPGA串行通讯接口设计
• 5.1.1 设计要求
• 5.1.2 接口电路
• 5.2 FPGA通讯模块设计
• 5.2.1 FPGA顶层模块设计
• 5.2.2 波特率发生器
• 5.2.3 接收器
• 5.2.4 发送器
• 5.3 仿真验证
• 第6章 神经网络PID控制器在温度控制系统中的应用
• 6.1 热电偶温度控制系统简介
• 6.2 热电偶建模
• 6.3 基于BP神经网络PID控制算法的仿真
• 6.3.1 PID控制参数的整定
• 6.3.2 神经网络PID控制器与普通PID控制器比较
• 第7章 结论
• 参考文献
• 附录1 浮点数加法器对阶模块
• 附录2 浮点数加法器规格化模块
• 附录3 浮点数乘法器阶码处理模块
• 附录4 浮点数乘法器尾数处理模块
• 附录5 双字节UART接收器（偶校验）
• 附录6 双字节UART发送器（偶校验）
• 致谢
• 攻读学位期间发表论文情况