面向PHM的桌面超算平台设计

针对复杂武器装备故障预测与健康管理(PHM)中存在的传感器种类多、采集数据量大,实时性要求高,运行平台性能低等问题,设计了一种PHM桌面超算平台。该平台基于数字信号处理器+现场可编程门阵列(DSP+FPGA)异构计算架构,用于实现系统的故障诊断、预测与健康管理功能。PHM桌面超算平台利用多块包含DSP和FPGA的协处理卡对PHM数据处理任务进行加速计算,并提供多通道高速数据采集和算法模型验证等功能。实验验证表明,该平台运行可靠,实用性强,为实现武器装备PHM系统功能提供了高性能运行平台。

二维卷积非负矩阵分解的初值确定混合算法

为解决二维卷积非负矩阵分解算法存在初值敏感,且传统随机初始化确定的初始值容易使算法收敛到结果相对不好的局部最优值的问题,通过结合K均值聚类、奇异值分解和主成分分析方法,提出了一种适用于二维卷积非负矩阵分解初始值确定的混合算法.首先,利用K均值聚类方法得到聚类中心作为系数矩阵(H矩阵)的初始值,避开了传统初始化不确定系数矩阵带来的分解结果不唯一问题;其次,考虑到相比一维卷积非负矩阵分解算法,二维卷积非负矩阵分解算法的基矩阵(W矩阵)个数更多,利用奇异值分解和主成分分析方法交替产生基矩阵的初始值,克服了单个算法产生的初始化误差问题.在相同参数环境下将本文算法和现有初始化算法的分解收敛性能进行对比实验,结果表明本文算法相比其他同类算法具有更好的分解性能并具有更好的收敛性.进一步加入噪声进行实验,在白噪声为-1 dB～10 dB的不同信噪比环境下,本文算法均能快速实现信号的分离,对于噪声数据具有很强的鲁棒性.采用混合算法确定初值,更有利于实现二维卷积非负矩阵分解的实时性和高性能.