近年来神经网络在智能控制、模式识别等领域中得到日益广泛的应用。传统的基于通用处理器的软件神经网络控制实现方法存在两个问题：一是并行程度较低,计算速度较慢；二是难以满足许多嵌入式系统在成本、功耗及尺寸方面的苛刻要求。为此,神经网络专用硬件实现的方法被提出。神经网络硬件实现分为以下几类：基于现场可编程逻辑门阵列(FPGA)的实现；基于数字信号处理器(DSP)的实现；基于专用集成电路(ASIC)的实现。其中基于FPGA的硬件神经网络由于其特有的高速并行性和可重复擦写的特性成为最合适的硬件神经网络控制器实现芯片。本文主要研究神经网络的硬件实现问题,在比较几种神经网络可行性的基础上,选用了BP神经网络作为硬件神经网络控制器实现的神经网络模型。由于硬件上FPGA资源有限,FPGA实现神经网络模型的精度取决于FPGA中数据的表示方示和激励函数的逼近精度。本课题就是在FPGA中数据表示方法和对典型激励函数SIMOID函数的逼近上以及乘法器的设计上采用优化的设计方法以实现FPGA有限硬件资源的合理分配和利用。最后本课题以Altera公司的FPGA芯片为核心研究BP神经网络控制器在三容水箱控制上的应用,并实现了对三级水箱流量的精确控制。论文对以上各项工作进行深入的研究,并制作了相应的检测模块,利用仿真验证课题的可行性。