本文采用了数字PID与神经网络相融合的晶体生长炉温度测控方法,设计了生长晶体的PID神经网络温度控制器,并用FPGA(Field Programmable Gate Array)实现了PID神经网络的并行结构;神经网络采用符合32位IEEE754的单精度浮点数运算单元.理论分析和仿真结果表明:该PID神经网络温度控制器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.
参考文献
[1] | 高勇,李波,安涛,李守智,刘飞航.单晶炉勾形磁场装置结构参数的分析与优化[J].人工晶体学报,2008(03):577-582. |
[2] | Guo B T;Liu H Y;Zhong L.Adaptive PID Controller Based on BP Neural Network[A].,2009:148-150. |
[3] | Hu H;Huang J;Xing J G.Key Issues of FPGA Implementation of Neural Networks[A].IITA,2008:259-263. |
[4] | Trimeeche A;SAKLY A.Mtiba A PID Control Implementation using FPGA Technology[A].IDT,2008:341-344. |
[5] | Zhu J R;Sutton P .FPGA Implementations of Neural Networks-a Survey of a Decade of Progress[D].Australia:Doctor Degree theirsof Universityof Queensland,2003. |
[6] | 李昂,王沁,李占才,万勇.基于FPGA的神经网络硬件实现方法[J].北京科技大学学报,2007(01):90-95. |
[7] | 舒怀林.PID神经元网络及其控制系统[M].北京:国防工业出版社,2006:23-28. |
[8] | 徐丽娜.神经网络控制[M].北京:电子工业出版社,2003:42-44. |
[9] | IEEE 754.IEEE 754.The IEEE Standard for Floating Point Arithmetic[S]. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分:
-
10%
-
20%
-
30%
-
40%
-
50%