基于神经网络VLSI与噪声信号的故障诊断

为了改变传统的基于软件的机械故障诊断模式，以及发挥神经网络超大规模集成电路(vLSI)的优势，提出了一种用于故障诊断识别的脉冲频率调制(PFM)模拟神经网络脉冲流vLSI电路。实现了一种脉冲流数字模拟混合突触乘法／加法器电路，而且该神经网络电路的突触权值不需要学习调整．降低了电路的复杂性。以此电路为基础．设计了进行主轴承磨损故障诊断的神经网络故障识别系统。利用含有故障信息的噪声信号代替传感器安装困难的基于振动信号的特征值提取，最后．根据代表待识别信号与标准故障模板之间欧氏距离的电路输出端电容电压值可以判断出故障类别。该电路具有较高的识别精度．可以实现噪声故障信号的实时在线识别。     

模拟神经网络VLSI脉冲流技术在故障诊断中的应用分析

介绍了模拟神经网络VLSI脉冲流技术实现神经网络模式识别硬件电路的方法，并且直接将故障分类。提出利用包含有故障信息的原始模拟噪声信号，经过前置信号处理和神经网络运算，得出VLSI电路输出端电容的电压值－代表待识别信号与模板故障信号的“欧氏距离”，以实现噪声故障信号的实时硬件在线识别。     

雷达脉内调制信号时频分布特征提取方法

针对复杂体制雷达辐射源信号分类识别问题,提出了一种基于时频分析的雷达脉内调制识别算法。首先对时频矩阵在时间域进行等间隔分区,然后通过检测区间内信号时频能量峰值提取其时频特征,最后用支持向量机实现了分类识别。该方法以信号时频能量峰值分布的差异区别不同的雷达脉内调制方式,有效降低了特征维数。仿真结果表明,该方法对雷达脉内调制具有较好高识别正确率,而且具有较强的抗干扰能力。     

基于数学形态学的运动估计及VLSI设计

提出的基于数学形态学的运动估计算法,采用四场的SAD比较进行运动估计,并且对运动向量进行数学形态学滤波处理(先进行腐蚀,再进行扩散处理),削弱噪声影响,提高运动估计的精度.在VLSI实现中采用外挂SDRAM作为帧存储器,存储前两场图像数据和运动信息.本算法和VLSI设计经过FPGA验证,取得了很好的效果,并且已经被成功地应用于基于SMIC 0.18 μm CMOS工艺的数字视频处理芯片中.     

视觉假体高阶调制解调系统VLSI优化设计

视觉假体中无线能量传输效率和无线数据传输速率随着信号载频频率增大而减小。为此,提出将16DAPSK高阶调制解调技术应用于视觉假体中。分析16DAPSK在视觉假体中的应用优势,给出16DAPSK超大规模集成电路(VLSI)算法和硬件结构。结合滤波器系数对称、简化的RAG算法图等实现电路的VLSI优化设计。基于DE4平台完成系统硬件验证、数据传输速率、能量传输效率分析与实验。结果表明,系统工作正确,采用16DAPSK技术可简化电路解调硬件结构,解决信道延迟的不定性问题,提高视觉假体应用的可靠性。VLSI优化后的硬件资源减少57%,体积减小,提高了视觉假体临床应用的可行性。较传统低阶调制技术,16DAPSK高阶调制在较高的数据传输速率下,载波频率的降低提高了能量传输效率,解决了能量与数据传输效率矛盾的问题。     

基于通信信号时频特性的卷积神经网络调制识别

在通信环境日益密集、信号调制样式层出不穷的情况下,信号的调制识别变得愈加困难。寻求一种高精度、时效性好的自动调制识别新方法,对无线电通信应用领域有重大意义。对此,文中提出了一种结合通信信号时频特性的卷积神经网络(Convolutional Neural Network Based on Time-Frequency Characteristics,TFC-CNN)调制识别算法。首先,采集大量调制信号,将信号的时频特征通过短时傅里叶变换转换成图像特征,并将其作为网络的输入;然后,设计一种特征提取能力更强、参数更少的卷积神经网络,通过改进网络中不同层的连结方式来增加网络的特征提取能力,同时通过减小卷积核的尺度、使用全局均值池化层来减少模型参数,提高了模型的时效性;最后,在网络中添加批归一化(Batch Normalization,BN)层,在增加模型稳定性的同时防止模型出现过拟合。实验结果表明,所提算法在参数和训练时间上比传统方法明显减少,同时有更高的准确率,体现了所提算法的优越性。     

高效椭圆曲线密码芯片的VLSI设计

根据素数域上椭圆曲线的点乘，提出了一种椭圆曲线密码芯片VLSI新结构和控制算法。针对其中的核心运算模乘，结合Montgomery算法，提出了一种改进的模乘器结构，有效降低了芯片的面积，提高了模乘的运算速度。该芯片具有面积小、速度快的优点，适合用于时钟频率低和存储空间受限的智能卡中。     

精度可配置DCT及其VLSI设计

利用离散余弦变换(DCT)能量分布的特性,提出一种精度可配置的DCT及其VLSI结构.根据不同的变换精度需求,通过选择DCT基向量局部最优的分布式算法展开精度,实现了变换精度损失与功耗减少的优化处理;同时对DCT基向量采用正则有符号数(canonical signed digit,CSD)编码,减少了整体电路的硬件资源开销.模拟和综合后的结果表明,该结构适合图像视频等要求低功耗、实时处理领域的可配置性应用.     

基于神经网络ZISC的模式识别系统

首先介绍人工神经网络ANN实现技术的历史，现状和发展，着重分析RBF网络的原理及其建立在超大规模集成电路基础上的硬件神经网络的设计方法，然后，介绍一种新的硬件神经网络技术ZISC的工作原理和应用，最后，以ZISC036芯片为例，实现一个模式识别系统。     

基于RBF神经网络的SVPWM过调制

线性调制状态下的逆变器,存在不能充分利用直流母线电压的问题,为了获得尽可能大的输出电压,一般对逆变器进行过调制控制.由于过调制的非线性,计算复杂,提出新的基于神经网络的SVPWM逆变器,采用线性调制和过调制2种模式,通过限定轨迹双调制模式法,实现在整个调制范围内线性控制.采用资源分配法确定径向基函数的网络结构和参数,设计出较精简的网络实现SVPWM;并将这种逆变器应用于异步电动机控制系统中.最后在Matlab环境下建立基于神经网络的SVPWM逆变器供电的异步电机控制系统仿真模型, 仿真结果表明,该方法简单、高效、控制效果良好,能提高直流母线电压利用率,降低输出电流谐波含量和电机转矩脉动.     

PWM型VLSI神经网络在故障诊断中的应用

An improved pulse width modulation (PWM) neural network VLSI circuit for fault diagnosis is presented, which differs from the software-based fault diagnosis approach and exploits the merits of neural network VLSI circuit. A simple synapse multiplier is introduced, which has high precision, large linear range and less switching noise effects. A voltage-mode sigmoid circuit with adjustable gain is introduced for realization of different neuron activation functions. A voltage-pulse conversion circuit required for PWM is also introduced, which has high conversion precision and linearity. These 3 circuits are used to design a PWM VLSI neural network circuit to solve noise fault diagnosis for a main bearing. It can classify the fault samples directly. After signal processing, feature extraction and neural network computation for the analog noise signals including fault information, each output capacitor voltage value of VLSI circuit can be obtained, which represents Euclid distance between the corresponding fault signal template and the diagnosing signal, The real-time online recognition of noise fault signal can also be realized.     

基于免疫遗传算法改进的BP神经网络在灭火系统电路板故障诊断中的应用

针对装甲车辆灭火系统电路板规模较大,功能日趋多样与完善的同时,其复杂程度也日益提高,故障层次越来越多,故障现象与故障原因的映射关系更加复杂,组合故障频发,传统的故障诊断方法已不能满足灭火系统电路板故障诊断的要求。设计了基于免疫遗传算法优化的BP神经网络对灭火系统电路板进行故障诊断,并在免疫和遗传过程中保留了部分训练最优解。实现了神经网络收敛速度的提高,使用Matlab编程优化算法并完成了电路板仿真故障的诊断。通过实验验证了该诊断模型的准确性和可靠性,为电气系统通用检测设备的神经网络诊断方法实现提供了理论支撑。     

小波神经网络在模拟电路故障诊断中的应用

介绍了模拟电路故障诊断的神经网络方法及小波神经网络结构和原理,以一带通滤波器为例,提出了一种基于输出灵敏度分析,利用多频测试生成故障特征向量训练小波神经网络进行故障诊断的方法,仿真结果表明小波神经网作为故障分类器具有收敛速度快,诊断准确等特点。     

非线性电路的神经网络故障诊断方法

针对非线性动态电子电路,提出一种基于神经网络的故障诊断方法。通过故障字典的建立,对电路故障响应进行预处理后得到的故障特征作为神经网络的输入,然后利用神经网络对各种状态下的特征向量进行分类决策,对故障类别进行辨识,并对电路进行了可测性分析,从而实现非线性电路的故障诊断。详细的仿真过程及结果表明, 该方法有效地解决了非线性电路辨识难的问题,能较好地对故障模式进行分类,取得了满意的诊断效果。     

基于模糊BP神经网络的模拟电路实时故障诊断

以进行模拟电路实时故障诊断为主要目的,对BP神经网络故障字典法进行了深入研究,针对传统BP算法收敛速度慢、易产生局部最优等不足,采用神经网络与模糊理论相结合的方法,根据模式识别原理实现模拟电路故障的实时诊断。实验结果表明:该算法在网络收敛速度和识别精度上较传统的BP算法均有明显的改善。     

VLSI中高性能X结构多层总体布线器

X结构带来物理设计诸多性能的提高,该结构的引入和多层工艺的普及,使得总体布线算法更复杂.为此,在XGRouter布线器的基础上,本文设计了三种有效的加强策略,包括:1)增加新类型的布线方式;2)粒子群优化(Particle swarm optimization,PSO)算法与基于新布线代价的迷宫布线的结合;3)初始阶段中预布线容量的缩减策略,继而引入了多层布线模型,简化了XGRouter的整数线性规划模型,最终构建了一种高性能的X结构多层总体布线器,称为ML-XGRouter.在标准测试电路的仿真实验结果表明,ML-XGRouter相对其他各类总体布线器,在多层总体布线中最重要的优化目标|溢出数和线长总代价两个指标上均取得最佳.     

VB调用Matlab的模拟电路故障诊断神经网络方法

比较了VB和Matlab各自的优缺点,详细阐述了VB调用Matlab的方法以及神经网络诊断模拟电路的原理。分别采用Matlab的神经网络工具箱和VB调用Matlab的ActiveX自动化技术,对模拟电路进行了仿真诊断。针对VB调用Matlab的方法给出了诊断程序,诊断实例表明该方法是可行的,为模拟电路故障诊断软件开发提供了一定的指导作用。     

基于故障传播的模块化BP神经网络电路故障诊断

大规模的数模混合电路所含故障模式众多,电路故障状态复杂,且易发生传播,因而电路故障诊断难度较大。针对大规模电路发生故障时存在故障传播的问题,提出一种基于故障传播的模块化BP神经网络（MBPFP）故障诊断方法。首先,在电路模块划分的基础上分析子电路间的故障传播,并将故障源和故障传播源"模块化";然后,通过子电路的异常检测模型进行一级定位,缩小故障原因集合,确定故障模块;最后,利用目标模块的BP神经网络模型进行二级定位,实现故障诊断并识别故障模式。与传统BP神经网络等方法进行比较的实验结果表明,MBPFP故障诊断方法具有较高的故障覆盖率,在定位准确率方面提高了至少8个百分点,其性能优于传统BP神经网络等方法。     

两层级神经网络及在中医智能诊断中的应用 *

通过分析中医临床数据的特性 ,将临床数据分为低层级数据和高层级数据 ,每个层级数据又分为全局输入参数和局部输入参数。基于这些概念 ,建立了一种两层级神经网络 ,低层级子神经网络局部处理低层级数据,高层级子神经网络综合处理高层级数据和低层级子神经网络的输出结果。这样的结构不仅能有效地刻画中医辨证问题 ,而且简化了计算 ,提高了学习收敛速度。实验结果表明 ,这种两级神经网络可以较好地应用于具有复杂数据关系的中医辨证智能计算。