在自适应控制基础上发展起来的简单自适应控制算法具有结构简单,系统设计几乎与被控对象无关等特点,系统性能与选定的参考模型有关,在工业过程控制中有广泛的发展前景。另外,在简单自适应控制的基础上融入神经网络的智能简单自适应控制也在研究发展中,为满足工业生产过程中的高精度、高质量控制要求提供了可靠的实现方法。在现阶段工业生产过程中实现复杂的控制算法,主要依靠CPU控制芯片来完成,但从算法的实时性和控制周期等方面来考虑,这并不是实现复杂控制算法的理想选择。随着FPGA技术的发展以及高密度、大容量FPGA器件的出现,在FPGA上硬件实现复杂控制算法的研究得到了广泛的开展。本文研究了基于VHDL硬件描述语言的小脑模型(CMAC)神经网络可重用IP软核模块、小脑模型简单自适应(Cerebellar Model Articulation Controller Simple Adaptive Control,CMACSAC)控制器的FPGA实现方法以及智能控制器在冷轧张力控制系统中的应用。首先,研究了小脑模型(CMAC)神经网络的FPGA实现方法。通过综合分析直接地址映射CMAC神经网络的结构和算法,在MATLAB平台上,对直接地址映射CMAC神经网络的学习能力作了仿真研究,然后基于Altera公司的FPGA芯片,完成了CMAC神经网络的可重用IP软核模块设计。其次,给出了小脑模型神经网络简单自适应控制器(CMACSAC)的控制原理和结构框图,并在MATLAB平台上,对定义的智能简单自适应控制器的控制效果进行了仿真研究,然后基于Altera公司的FPGA芯片完成了CMACSAC的FPGA实现方法,生成了CMACSAC控制器的IP核。最后,将本文提出的智能简单自适应控制器应用于冷连轧机张力控制系统中,并进行了MATLAB仿真研究,仿真结果表明CMACSAC智能控制器与通常的PID控制器相比,控制效果要好。本文研究表明:将小脑模型神经网络与简单自适应控制算法相结合构成的CMACSAC智能控制器,与通常的自适应控制器相比控制效果要好。FPGA固有的并行处理能力,是实现复杂控制算法的较理想载体。基于FPGA构建CMACSAC控制器具有设计灵活、能在线调整、可靠性高,开发周期短等优点。