学位论文 > 优秀研究生学位论文题录展示

晶体生长炉PID神经网络温度控制研究

作　者: 郭耿涛
导　师: 仲元昌
学　校: 重庆大学
专　业: 电路与系统
关键词: PID 神经网络现场可编程门阵列控制算法仿真
分类号: TP13
类　型: 硕士论文
年　份: 2011年
下　载: 48次
引　用: 0次
阅　读: 论文下载

内容摘要

随着信息产业的兴起以及利用新能源引起的光伏发电的热潮,对优质大尺寸的晶体需求大大增加,这对晶体生长环境的温度控制精度与控制性能提出了更高的要求。面对晶体生长过程中的加热系统具有大滞后、大惯性的特点,作为控制简单、可靠性高而在工业中获得了广泛应用的PID控制器难以获得令人满意的控制效果。充分利用PID控制的优点并结合具有自学习、自适应能力、能以任意精度逼近非线性函数的人工神经网络设计出高精度的温度控制器,这无论在理论上还是在实践上都具有重要的意义。本文较为全面地分析了PID神经网络控制算法。首先简要介绍了传统的常规PID控制器的控制算法以及优缺点,进而引出了常规PID控制器的改进算法并分析了它们的优缺点。全面阐述并分析了人工神经网络,重点介绍了决定人工神经网络信息处理性能的三大要素:人工神经元的激发函数、神经网络的连接方式以及神经网络的学习规则。在此基础上,引出了PID控制算法与人工神经网络的融合――PID神经网络,通过对PID神经网络的分析确定了利于硬件实现的PID神经网络结构与算法,并用工程仿真软件MATLAB对PID神经网络进行了仿真,通过仿真论证了PID神经网络相对于PID控制有着更优异的控制性能。在论文最后,以晶体生长炉的温度控制系统为背景,探索了PID神经网络温度控制器硬件实现,在探索过程中对PID神经网络的算法进行改进,使其运算只有乘法、加法与延迟运算。经过改进,PID神经网络适合于数字信号处理且易于硬件实现,并用FPGA(Field Programmable Gate Array)实现了PID神经网络的并行结构。PID神经网络控制模块采用Altera公司提供的符合32位IEEE754的单精度浮点数运算单元的IP核进行模块化设计,使用Altera公司的软件QuartusII8.0进行编译并进行时序仿真实验。理论分析和仿真结果表明:该PID神经网络温度控制模块具有很高的控制精度和响应速度,有利于提高晶体生长炉的控温精度和加热效率,适合于实时控制。总体上,PID神经网络温度控制模块达到了设计的目标。

全文目录

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

晶体生长炉PID神经网络温度控制研究

内容摘要

全文目录

相似论文