论文部分内容阅读
神经网络和神经网络控制器一般具有以下特点:一是实时信息处理量远大于控制量,二是信息流多具有实时并行性。现行的冯.诺伊曼结构计算机属于串行时序机,本质上讲,并非是实现神经网络和神经网络控制器的理想选择。随着FPGA技术的发展以及高密度、大容量FPGA器件的出现,在FPGA上硬件实现神经网络以及神经网络控制器的研究得到广泛开展。而CPLD因其固有的价格优势、保密性好等特点使得它在工业控制领域得到广泛应用。
本文重点研究CMAC神经网络可重用IP模块、CMAC-PID神经网络控制器的FPGA实现方法以及基于不同平台的CMAC-PID控制器测试方法。另外,结合研究室的实际项目,研究LCD控制器的CPLD实现技术。
首先,研究直接地址映射CMAC神经网络的FPGA实现方法。通过综合分析直接地址映射CMAC神经网络的结构和算法,基于Altera公司的FPGA芯片,完成了CMAC神经网络的可重用IP模块设计。然后,研究CMAC-PID控制器的FPGA实现方法。借助MATLAB平台,针对特定被控对象,通过调用CMAC神经网络模块,完成了CMAC-PID控制器的IP核设计。最后,研究CMAC-PID控制器的测试方法。通过分析智能控制器的测试方法及特点,提出了新的基于不同仿真平台的智能控制器闭环测试方法,并给出仿真结果。研究表明:FPGA固有的并行处理能力,是实现CMAC神经网络的较好载体。基于FPGA构建CMAC-P1D控制器具有设计灵活、能在线调整、可靠性高,开发周期短等优点。采用闭环测试方法能有效模拟控制器的激励输入信号,适用于需闭环测试检验控制品质的智能控制器设计。
此外,在分析LCD控制器功能的基础上,完成了LCD控制器的硬件电路制作,通过对液晶模块接口时序的分析,研究了基于CPLD的LCD接口模块设计,并给出仿真结果。研究表明:采用CPLD实现LCD控制能有效减少了额外的控制芯片,同时,只要适当修改VHDL代码,就可以完成更高分辨率的LCD控制,具有较好的可移植性。