摘要：随着工业的迅速发展，人们对控制的要求越来越高。生产过程中的非线性和不确定性很难建立精确的数学模型，使用传统的PID控制器要想达到理想的控制结果已经变得越来越难。人工神经网络作为智能控制的一个重要组成部分，已成为非线性系统建模和控制识别的一般理论和方法。其中，神经元的自组织，自学习和自适应能力，可以解决许多困难的描述模型和程序规则。将神经网路和传统的PID结合在一起，应用神经网络在线调整PID参数，使系统具有非常好的抗干扰能力，以及自适应能力和鲁棒性。
本文主要在神经网络技术实现的基础上，分析了神经网络的PID控制算法的设计原理和设计研究；接着，利用了MATLAB来研究了单神经元网络参数训练，用相应参数来训练常规PID，最后通过仿真实验来获得合适的被控对象，可以得到较好的系统输出；继而完成单神经元网络的智能PID控制，对每一层进行了verilog分层设计。通过得出来的结论，智能PID控制器具有更优秀的性能，继而取代了传统的PID控制器。
关键词：FPGA；神经网络；PID控制
目录
摘要
ABSTRACT
引言-1
1 绪论-2
1.1 研究背景-2
1.2 研究现状-2
1.3 研究意义-2
1.4 本文内容安排-3
2 FPGA-4
2.1 引言-4
2.2 FPGA简介-4
2.2.1 概述-4
2.2.2 FPGA产品-4
2.2.3 FPGA发展趋势-5
2.3 FPGA的开发流程-6
2.4 硬件描述语言-9
3 PID控制理论-10
3.1 传统PID控制器-10
3.1.1 模拟PID控制器-10
3.1.2 数字PID控制器-11
3.2 智能PID控制器-12
3.2.1 基于单神经元网络的智能PID控制器-12
3.2.2 学习规则-15
3.2.3 单神经元PID控制器-16
4 基于FPGA的智能PID控制器-20
4.1 FPGA开发流程-20
4.2 PID控制分析-20
4.3 神经网络参数分析-22
4.4 基于FPGA的智能PID控制器的模板设计-25
4.5 本章总结-27
5 总结-28
致谢-29
参考文献-30
