论文部分内容阅读
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。