基于FPGA的多变量模糊神经网络控制器的研究

摘要

模糊控制、神经网络控制都是先进控制技术的控制方法，在工业过程控制中获得广泛的应用。实际工业过程往往具有非线性、不确定性、难以建立精确的数学模型等特点，使得单一的一种控制方法难以达到理想的控制效果。如果能够结合两种控制方法，各取所长，优势互补，设计一个通用的模糊神经网络控制芯片对工业生产过程进行合理、有效地控制，就可以缩短系统开发周期，降低成本。
　　 模糊神经网络的研究主要包括模糊神经网络理论的研究、模糊神经网络应用的研究和模糊神经网络实现技术的研究。本文主要侧重的是模糊神经网络实现技术方面的研究，创新性地利用FPGA嵌入式系统的应用开发技术实现模糊神经网络控制器的研究与设计，并将其封装成为一个专用的IP核，供其他的控制系统使用。
　　 首先对模糊神经网络的控制原理和设计中使用的算法进行了深入地研究与分析；其次，利用MATLAB设计多变量模糊神经网络控制器，针对特定的被控对象进行仿真实验，并获得比较理想的控制效果；然后，研究基于FPGA的多变量模糊神经网络控制算法的实现，对控制器进行分层设计。系统的设计模块主要包括模糊化模块、控制规则模块、权值-参数计算模块、去模糊化模块和耦合处理模块等。在设计过程中遵循自顶向下的设计原则，使用Altera公司的软件QuartusⅡ8.1对各个模块设计进行优化处理，最后进行整个系统的设计综合。两个仿真实验结果表明，基于FPGA的模糊神经网络控制器比MATLAB设计的模糊神经网络控制器性能优良，在利用较少硬件资源的前提下，不仅可以提高控制器的运行速度，还可以改善传统控制器的控制性能。