基于时间递归神经网络的轨道车辆自检系统设计

针对轨道车辆内部复杂的信号和多样化的故障类型,为提高故障自检的快速性和有效性,设计了一种基于时间递归神经网络的轨道车辆自检系统,此系统中包含了基于FPGA的神经网络加速器、信号处理芯片、通信模块和传感器。加速器是利用时间递归神经网络LSTM作为自检系统内部智能化神经网络模型,采用剪枝、量化和编码等方式对模型进行了轻量化压缩,最后设计相应的加速器部署在自检系统中,同时完成了LSTM网络轻量化压缩实验和神经网络加速器实验。实验结果表明,自检系统的神经网络压缩算法的设计虽然使模型准确率下降了12.1%,但是压缩率可达7.1%;加速器部分在FPGA部署时仅占用了1.28%的硬件存储资源,性能则可以达到200 MHz,吞吐率为19.39 GOPS。