基于SOC的神经网络软测量平台设计与实现-控制理论与控制工程专业论文.docxVIP

浙江大学研究生学位论文独创性卢圳 本人 j 1\l9j所 td，欠的学位论文){本人{E 导 lljllHf- rUHl(I{J 圳究1:作 J 1{义仰的 研究成果。除了义: rt It!j: Jlj )JII 以如 it和l敛圳的地方外，论文 It I不但介 Jt他人 Liff;tI l!JU /1 J l:1:的{i)f 究成川，也不包含为校仰浙江大学 llUL他教 fi机构的学位成 ilE I 1M侦川l:1:((-1材料。 IJ找 .lí-?L r作的 liij志对本研究所做的任fUI贞|锹均以 {E 论文 中作了9j俐的说 IljJ)f:农íJ 削怠。 学位论文作阳:朱就什 签子 nn月: ν( I 年 3 J 2 L H 学位论文版权使用授权书 本学位论文作布在全了解 浙江大学 有权保阳 jt r?J WiJ 家有关部门成机 构送交本论文的复印件和 l峨盘，允许论文被查阅和借|诲。本人授权浙江大学 可以将学位论文的全部战部分内容编入有关数据库进行检索和传播，可以采用影 印、缩印或扫描等复制手段保存、汇编学位论文。 (保密的学位论文在解密后适用本投权书) 学位论文作者签名:休鼓作 制阳斗向b 签字 H期: ν 年{月 ltLA 2  签字 H期:νl年闷气H 致谢 眨眼间，近三年的硕士研究生时光即将过去，四望三年里的学习与生活，感 觉真的获益匪浅。我之所以能够顺利完成课业和项目工作以及毕业论文的写作， 与导师的指导和问学以及亲友的支持密不可分。 首先，我要特别感谢我的导师宋执环教授，正是在宋老师的悉心指导和谆谆 教诲下，我才能够取得现在的成绩。应该说，我在攻读硕士研究生阶段的所有收 获都离不开宋老师无私的帮助。本文在写作前后均得到了宋老师的关心与启发， 凝结了他的汗水与辛劳。宋老师严谨的科研作风、求是的科学精神、和蔼的待人 态度、敏锐的课题洞察力以及充沛的工作精力，无不给我留下了深刻的印象，为 我今后的工作与做人树立了崇高的标杆。也祝愿宋老师身体健康、工作顺利，桃 李满天下。 在此，我也要向和我同在一个实验室的王健伟硕士、段俊硕士、黄健硕士、 陈文伟硕士和叶凌箭博士致以谢意，谢谢你们给我提供灵感，伴我克服困难，鼓 励我不断前进。特别要感谢玉健伟学长，感谢他在和我一起完成项目的过程中对 我的指导和帮助，使得我的研究工作可以站在一个较高的起点上。同时，由衷的 感谢我的父母，一亘在物质和精神上支持我完成学业，也由衷的感谢所有曾经给 过我帮助的同学和朋友们。 最后，向审稿和答辩的专家学者们表示真挚的感谢。 . .  来越哈 2011年2月于浙大求是园 H 摘要 ·随着面向复杂工业过程的软测最算法得到越来越广泛的应用，针对南性能 计算机或数字设备实现的成本商、便携性毅等问题，本文专门研究了一种基于 soc 的软测量通用平台。该-f台以 OMAP酬L1 37 双核处理器为核心，将嵌入式任 务实时调度与浮点运算精度相结合，对平台设计与实现中儿个关键因素进行了 详细的分析与研究，最终将 RBF 神经网络的在线训练算法的合部流程移植到了 嵌入式系统中。以计算速事和预测精度的综合指标来评价，本文成功解决了算 法嵌入式应用中实时性较差的问题，并具有良好的计算精度。 本文首先以独特的模块化设计思想，构建了由核心板、母板、 1/0 接口板 以及人机接口板组成的软测最平台硬件，并对四个子板的设计与实现都进行了 详细的说明。然后深入研究了基于神经网络的软测量算法的嵌入式应用。在保 证算法 C 语言级实现的前提下，对网络结构、权值更新模式、权值更新步长、 数据预处理方式、算法截止条件等关键要素进行了详细研究，提出了各自的改 进方法和解决方案，并将其整合成一整套优化策略。对于相关数据集的实验结 果表明，训练与预测过程已全部在 soc 中成功实现，且同时满足计算速率与精 度的要求.同时，本文编写了其他必要的系统应用软件，同核心算法一起，使 得平台能够顺利完成软测量的相关任务，且具备便搪性、遇用性、低成本、小 体积和可扩展等优点，不仅可应用于各种工业过程对象，也可推广到其他智能 算法的移植以及其他应用领域。 关键词:片上系统，软测量， RBF 神经网络，算法嵌入式移植 电 m甲 m 基于融入式系统的在钱训躲软测最平台 . Abstract Wi由more and more application of soft measurement algorithm facing complex industry process，in view of 由.e high cost and low portability of high perfonnance computer or digital devices re