基于ZYNQ的通用型卷积神经网络设计与实现

针对基于FPGA平台的神经网络开发周期过长、调节网络模型麻烦等问题,设计了一种基于ZYNQ的通用型卷积神经网络模型。首先通过Tensorflow平台搭建神经网络并训练得到模型各层权重;其次利用高层次综合工具进行卷积层和池化层的IP核设计;然后在ZYNQ平台上部署模型;最后分别运行了Le Net-5和Alex Net-8神经网络进行验证。实验结果表明模型在只损失极少准确度的情况下,卷积与池化运算速度相比于ARM平台分别提高了3.65倍和2.31倍,并具备通用性。     

川中地区大安寨段陆相页岩岩相对孔隙结构的控制作用

页岩储集层的油气储集能力取决于其复杂的孔隙结构,而不同页岩岩相具有不同的孔隙结构特征。为了明确不同页岩岩相对孔隙结构的控制作用,以川中地区侏罗系自流井组大安寨段页岩为例,基于总有机碳含量和X射线衍射全岩矿物分析,确定大安寨段页岩岩相,对不同页岩岩相进行薄片、扫描电镜、低温氮气吸附和高压压汞分析,确定其孔隙结构特征。结果表明,川中地区大安寨段页岩主要发育6种岩相：富有机质黏土质页岩、含有机质黏土质页岩、贫有机质黏土质页岩、含有机质混合质页岩、贫有机质混合质页岩和贫有机质钙质页岩,孔隙形态以平行板状和狭缝状为主。黏土质页岩主要发育黏土矿物层间孔、有机质孔和生烃增压缝,混合质页岩主要发育残余粒间孔,钙质页岩发育少量溶蚀孔。各类页岩岩相的孔体积和比表面积与黏土矿物含量呈正相关,富有机质黏土质页岩大孔孔体积与总有机碳含量呈正相关。其中,富有机质黏土质页岩大孔孔体积最大,孔径分布呈三峰特征,是川中地区大安寨段页岩油储集最为有利的页岩岩相。     

面向三自由度平面关节机器人的“S”形轨迹规划算法研究

针对传统“S”形轨迹规划工业机器人稳定性差的缺点,提出了一种基于双变量反正切函数的改进“S”形轨迹规划算法。引入双变量反正切函数结合运动学逆解的方法求出关节转角的解。依据机器人运动准则得到关节转角的最优解。结合关节转角最优解和改进“S”形轨迹约束机器人运动过程中最大速度、加速度、加加速度的限制值,实现从位移到加加速度均为时间的连续有界轨迹。实验结果表明,改进“S”形轨迹规划算法相较于传统轨迹算法,有效提升了机器人的稳定性。     

基于FPGA的裁切机步进电机控制算法设计

针对传统加减速算法中减速点不易确定,为了确保在裁切机运动控制系统中加减速算法的实时性和准确性。对比分析常用的加减速算法,在分析传统的梯形加减速算法原理上,提出了一种基于FPGA(Field Programmable Gate Array)的改进梯形加减速算法,采用该算法实现了运动控制系统的设计,利用Vivado仿真系统进行仿真,搭建实验平台对算法进行验证。实验结果表明,改进的梯形加减速算法能够自动确定减速点的位置并达到实时性的要求,通过理想曲线与实际曲线的对比,可以看出电机实际运行速度曲线平滑,转速误差小。