日B视频 亚洲,啪啪啪网站一区二区,91色情精品久久,日日噜狠狠色综合久,超碰人妻少妇97在线,999青青视频,亚洲一区二卡,让本一区二区视频,日韩网站推荐

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

怎樣高效打造汽車(chē)電子的“神經(jīng)網(wǎng)絡(luò)”?

454398 ? 來(lái)源:網(wǎng)絡(luò) ? 作者:網(wǎng)絡(luò) ? 2022-12-23 13:30 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

來(lái)源:網(wǎng)絡(luò)

當(dāng)代汽車(chē)的創(chuàng)新70%來(lái)源于汽車(chē)電子系統(tǒng)的創(chuàng)新。

伴隨著新能源汽車(chē)的崛起,電子產(chǎn)品的成本在汽車(chē)中比重日益加高。根據(jù)蓋世汽車(chē)網(wǎng)的統(tǒng)計(jì),目前緊湊型車(chē)型、中高檔車(chē)型、混合動(dòng)力車(chē)型及純電動(dòng)車(chē)型汽車(chē)電子成本占比分別為15%、28%、47%、65%。預(yù)期到2030年,電子產(chǎn)品在汽車(chē)中的平均比例將達(dá)到50%。

汽車(chē)中的電子化程度越高,對(duì)信息傳輸量的需求就越大,汽車(chē)網(wǎng)絡(luò)化的趨勢(shì)就越明顯。車(chē)載的各種電子設(shè)備在賦予汽車(chē)更多功能的同時(shí),也導(dǎo)致了汽車(chē)電子系統(tǒng)的復(fù)雜化。在各電子單元之間進(jìn)行數(shù)據(jù)共享和功能協(xié)調(diào)已經(jīng)變得舉足輕重?,F(xiàn)有的做法就是利用汽車(chē)總線將汽車(chē)中各種電控單元、智能傳感器、智能儀表聯(lián)接起來(lái)構(gòu)成汽車(chē)內(nèi)部局域網(wǎng),在各單元獨(dú)立運(yùn)行的同時(shí),進(jìn)行功能的統(tǒng)一調(diào)配,并實(shí)現(xiàn)數(shù)據(jù)的快速交換??梢哉f(shuō),汽車(chē)總線已經(jīng)成為車(chē)內(nèi)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)。

汽車(chē)總線發(fā)展迅速,類(lèi)型繁多,但是CAN總線以其穩(wěn)定的表現(xiàn)一直居于主流,也成為了汽車(chē)電子設(shè)計(jì)的首選。

汽車(chē)中的神經(jīng)網(wǎng)

CAN 是 Controller Area Network 的縮寫(xiě),即控制器局域網(wǎng)絡(luò),通常稱為CAN BUS,即 CAN 總線??梢詺w屬于工業(yè)現(xiàn)場(chǎng)總線的范疇,是目前國(guó)際上應(yīng)用最為廣泛的開(kāi)放式現(xiàn)場(chǎng)總線之一。

做為一種多主控(Multi-Master)的總線系統(tǒng),不同于USB以太網(wǎng)等傳統(tǒng)總線系統(tǒng)是在總線控制器的協(xié)調(diào)下,實(shí)現(xiàn)A節(jié)點(diǎn)到B節(jié)點(diǎn)大量數(shù)據(jù)的傳輸,CAN總線網(wǎng)絡(luò)的消息是廣播式發(fā)出的,亦即在同一時(shí)刻網(wǎng)絡(luò)上所有節(jié)點(diǎn)偵測(cè)的數(shù)據(jù)是一致的,因此比較適合傳輸諸如控制、溫度、轉(zhuǎn)速等短消息。這就使得其非常適合汽車(chē)電子的應(yīng)用。

CAN總線在車(chē)內(nèi)所連接的節(jié)點(diǎn),主要是ECU(車(chē)內(nèi)電控單元Electrical Control Unit)。由于ECU數(shù)量眾多(目前可多達(dá)70個(gè)左右),除了引擎控制單元外,還存在傳動(dòng)控制、安全氣囊、ABS、巡航控制、EPS、音響系統(tǒng)、門(mén)窗控制和電池管理等模塊,雖然某些模塊是單一的子系統(tǒng),但是模塊之間的互連依然非常重要。因此,CAN總線要滿足這些子系統(tǒng)數(shù)據(jù)傳輸?shù)囊螅缬械淖酉到y(tǒng)需要控制執(zhí)行器和接收傳感器反饋等。

CAN總線總是能很好地完成任務(wù)。相比傳統(tǒng)汽車(chē)網(wǎng)絡(luò)架構(gòu)中模塊單元直接連接,CAN總線通過(guò)在汽車(chē)內(nèi)子模塊之間架起穩(wěn)定的互連架構(gòu),使得軟件可以更輕易地實(shí)現(xiàn)安全、經(jīng)濟(jì)和便利等新特性。CAN總線還實(shí)現(xiàn)了汽車(chē)內(nèi)互連系統(tǒng)由傳統(tǒng)的點(diǎn)對(duì)點(diǎn)互連向總線式系統(tǒng)的進(jìn)化,大大降低汽車(chē)內(nèi)電子系統(tǒng)布線的復(fù)雜度。

自動(dòng)駕駛的出現(xiàn)更是助推了CAN的發(fā)展。通過(guò)使用激光雷達(dá)(LIDAR)之類(lèi)的傳感器,無(wú)人汽車(chē)具備了超凡的“感知”世界的能力,車(chē)內(nèi)的主控制器可以做出引導(dǎo)、加速、剎車(chē)等決定。不過(guò),這些傳感器的信號(hào)都是CAN總線傳遞的。

除此之外,很多人習(xí)慣使用的緊急剎車(chē)輔助系統(tǒng)、盲點(diǎn)檢測(cè)以及自動(dòng)停車(chē)的系統(tǒng)等高級(jí)駕駛輔助系統(tǒng),正在大批量裝備新車(chē)。這些系統(tǒng)中大量采用的雷達(dá)、超聲波等感應(yīng)元器件,需要高速、可靠和穩(wěn)定的車(chē)載網(wǎng)絡(luò)接入到系統(tǒng)中,而這正是CAN總線的優(yōu)勢(shì)。

提升CAN總線開(kāi)發(fā)的效率關(guān)鍵

要發(fā)揮CAN總線的優(yōu)勢(shì),就要開(kāi)發(fā)出一個(gè)穩(wěn)定高效的CAN總線系統(tǒng)。這里存在諸多挑戰(zhàn),很重要的一個(gè)就是如何進(jìn)行高效測(cè)試。

在CAN總線的開(kāi)發(fā)測(cè)試階段,需要對(duì)其單節(jié)點(diǎn)性能,多節(jié)點(diǎn)組網(wǎng)通訊,網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)等進(jìn)行開(kāi)發(fā)測(cè)試。具體來(lái)說(shuō),就是對(duì)總線長(zhǎng)度,節(jié)點(diǎn)數(shù)量、拓?fù)浣Y(jié)構(gòu)、元器件參數(shù)、信號(hào)/電源完整性、電磁兼容等逐一進(jìn)行精確測(cè)試。

軟件仿真是一個(gè)高效而低成本的選擇。通過(guò)對(duì)CAN系統(tǒng)進(jìn)行建模和模擬分析,就可以提前發(fā)現(xiàn)總線信號(hào)是否能夠穩(wěn)定而有效的傳輸,這樣可以減少用硬件實(shí)體原型機(jī)反復(fù)驗(yàn)證/測(cè)試的次數(shù),從而節(jié)省昂貴的硬件實(shí)體的成本和測(cè)試時(shí)間的成本。因?yàn)樾薷脑O(shè)計(jì)意味著時(shí)間上的延遲,這種延遲在產(chǎn)品快速面市的壓力下是不能接受的。所以,現(xiàn)在問(wèn)題的關(guān)鍵就變成了如何去選擇一款合適的仿真工具對(duì)電路進(jìn)行準(zhǔn)確和高效的評(píng)估。

從更高的層面來(lái)說(shuō),CAN總線系統(tǒng)屬于數(shù)?;旌闲盘?hào)電路。對(duì)數(shù)?;旌闲盘?hào)電路如何仿真,也一直是業(yè)界最為關(guān)心的話題。

當(dāng)代的數(shù)?;旌闲盘?hào)電路,數(shù)據(jù)速度傳輸效率越來(lái)越高,供電電壓越來(lái)越低,電路板密度越來(lái)高,這些變化會(huì)導(dǎo)致以往的工具不能夠完全解決各種信號(hào)問(wèn)題或者甚至是得出錯(cuò)誤結(jié)論。

此外,數(shù)?;旌想娐返姆抡妫€存在模型的問(wèn)題,許多仿真工具所提供的仿真模型并不全面,或者是模型并不接近實(shí)際狀況,因此要進(jìn)行完整的電路仿真就非常困難。

不過(guò),這些困擾在Xpedition AMS工具面前都能化解。做為從PCB概念設(shè)計(jì)到生產(chǎn)制造的全流程解決方案都能覆蓋的Xpedition平臺(tái)中的一員,Xpedition AMS在數(shù)?;旌闲盘?hào)仿真方面稱得上是游刃有余。

強(qiáng)大的仿真工具

Xpedition是一個(gè)企業(yè)級(jí)解決方案,具有完整的設(shè)計(jì)流程,包括元器件庫(kù)設(shè)計(jì)與管理、原理圖設(shè)計(jì)、PCB設(shè)計(jì)、生產(chǎn)數(shù)據(jù)的處理、SI/PI仿真、EMC/EMI分析、熱分析及數(shù)?;旌戏抡娴?。

與同類(lèi)產(chǎn)品相比,強(qiáng)大的流程管理和數(shù)據(jù)管理、并行設(shè)計(jì),協(xié)同設(shè)計(jì),集成式驗(yàn)證等優(yōu)勢(shì)是Xpedition獨(dú)有的標(biāo)簽。Xpedition流程可消除設(shè)計(jì)流程中的冗余工作,進(jìn)而最大限度地提高團(tuán)隊(duì)效率,同時(shí)還可借助數(shù)據(jù)管理基礎(chǔ)設(shè)施優(yōu)化產(chǎn)品性能和可靠性。其數(shù)據(jù)管理解決方案實(shí)現(xiàn)了單一環(huán)境內(nèi)的高效設(shè)計(jì)協(xié)作和項(xiàng)目管理,能夠縮短設(shè)計(jì)周期并減少成本。

做為Xpedition平臺(tái)下用于模擬/混合信號(hào)設(shè)計(jì)的集成仿真環(huán)境,Xpedition AMS支持高級(jí)SPICE和基于HDL的建模技術(shù)。該環(huán)境將電子電路仿真擴(kuò)展到標(biāo)準(zhǔn)時(shí)域和頻域分析之外,從而在Xpedition PCB設(shè)計(jì)流程中提供了高級(jí)性能仿真(掃描,統(tǒng)計(jì),應(yīng)力,最壞情況)和虛擬系統(tǒng)內(nèi)驗(yàn)證。

Xpedition AMS能使用PCB布局的系統(tǒng)原理圖驅(qū)動(dòng)電路仿真,與其他仿真環(huán)境不一樣,它不需要單獨(dú)的仿真原理圖,仿真后的原理圖可以直接用于PCB布局布線,PCB布局布線的寄生參數(shù)可以自動(dòng)提取,這樣可以減少文件導(dǎo)入導(dǎo)出所帶來(lái)的風(fēng)險(xiǎn)并加快設(shè)計(jì)。

目前,大部分模擬/混合信號(hào)電路仿真器在建模時(shí)最大的問(wèn)題是將PCB上各器件的連接視為理想連接,將電路互連視為0歐姆電阻。但在實(shí)際的PCB中,這些互連是走線、連接器,始終帶有可能影響電路性能的相關(guān)寄生參數(shù)。這些寄生參數(shù)會(huì)影響模擬濾波器的特性,或者使數(shù)字信號(hào)耦合的噪聲干擾敏感模擬信號(hào)的行為。在仿真中需要正確考慮電路板走線的特性及其行為對(duì)建模的影響。同時(shí),PCB上的過(guò)孔、焊盤(pán)、綠油等也會(huì)影響到信號(hào)的傳輸,亦需要考慮。針對(duì)于此,Xpedition AMS提供了獨(dú)特,功能強(qiáng)大且用途廣泛的解決方案,可用于評(píng)估模擬和混合信號(hào)設(shè)計(jì)中互連寄生參數(shù)的影響,可以根據(jù)項(xiàng)目實(shí)際需求調(diào)用混合/全波電磁場(chǎng)求解器,在精度和速度上做折中權(quán)衡。

除標(biāo)準(zhǔn)SPICE建模外,Xpedition AMS還支持IEEE標(biāo)準(zhǔn)VHDL-AMS建模語(yǔ)言,從而在建模和分析組件及設(shè)計(jì)行為方面增加了靈活性。 VHDL- AMS支持模擬和事件驅(qū)動(dòng)的行為,以對(duì)模擬、數(shù)字和混合信號(hào)設(shè)計(jì)進(jìn)行建模和分析。該語(yǔ)言已超越了電氣領(lǐng)域,進(jìn)入了其他設(shè)計(jì)技術(shù),因此用戶可以對(duì)電路的目標(biāo)系統(tǒng)進(jìn)行建模,然后使用虛擬原型進(jìn)行系統(tǒng)內(nèi)驗(yàn)證。

Xpedition AMS的眾多優(yōu)勢(shì),使其非常適合CAN總線電路的仿真。因?yàn)樵谄?chē)的環(huán)境中,CAN總線的節(jié)點(diǎn)很多,拓?fù)浣Y(jié)構(gòu)很復(fù)雜,并且應(yīng)用環(huán)境很復(fù)雜,高溫、振動(dòng)都會(huì)對(duì)信號(hào)的傳輸造成影響。這就需要一個(gè)全面、精準(zhǔn)的仿真方案。

憑借在汽車(chē)行業(yè)多年的積累,Xpedition AMS可以對(duì)CAN總線長(zhǎng)度、拓?fù)浣Y(jié)構(gòu),元器件參數(shù),還能考慮PCB布局布線對(duì)電路造成的影響對(duì)電路進(jìn)行分析,以全方位的仿真方案解決汽車(chē)類(lèi)客戶沒(méi)有現(xiàn)成CAN仿真方案的困擾。

CAN總線的開(kāi)發(fā)已經(jīng)成為了汽車(chē)電子開(kāi)發(fā)最重要的一個(gè)環(huán)節(jié)之一,而在其設(shè)計(jì)初期、識(shí)別、預(yù)防和改正設(shè)計(jì)錯(cuò)誤,防止電路出錯(cuò),這種操作模式比以往任何時(shí)候都至關(guān)重要。仿真就是目前最好的方法之一,而Xpedition AMS可以讓CAN總線的仿真分析事半功倍。

很多進(jìn)行汽車(chē)電子開(kāi)發(fā)的朋友想必已經(jīng)感覺(jué)到仿真的重要性,但是苦于沒(méi)有能掌握Xpedition AMS這樣的強(qiáng)大工具。不過(guò)不要緊,現(xiàn)在就有一個(gè)最好的機(jī)會(huì)。

審核編輯 黃昊宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 汽車(chē)電子
    +關(guān)注

    關(guān)注

    3048

    文章

    9183

    瀏覽量

    173326
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    基于神經(jīng)網(wǎng)絡(luò)的負(fù)載機(jī)械速度估計(jì)器實(shí)現(xiàn)方案

    本文提出了一種基于神經(jīng)網(wǎng)絡(luò)(NN)的負(fù)載機(jī)械速度估計(jì)器的實(shí)用實(shí)現(xiàn),適用于具有彈性耦合(elastic coupling)的驅(qū)動(dòng)系統(tǒng),使用可重構(gòu)FPGA。
    的頭像 發(fā)表于 05-16 09:07 ?1032次閱讀
    基于<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的負(fù)載機(jī)械速度估計(jì)器實(shí)現(xiàn)方案

    為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎?

    我想知道為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎,請(qǐng)問(wèn)?您能否舉一些關(guān)于他們的用例的例子?
    發(fā)表于 03-25 06:01

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開(kāi)深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?513次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    自動(dòng)駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個(gè)啥?

    在自動(dòng)駕駛領(lǐng)域,經(jīng)常會(huì)聽(tīng)到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡(jiǎn)稱為CNN,是一種專(zhuān)門(mén)用來(lái)處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN在圖像處理中尤其常見(jiàn),因?yàn)閳D像本身就可以看作是由像素排列成的二維網(wǎng)格。
    的頭像 發(fā)表于 11-19 18:15 ?2303次閱讀
    自動(dòng)駕駛中常提的卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是個(gè)啥?

    CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)原理及在MCU200T上仿真測(cè)試

    數(shù)的提出很大程度的解決了BP算法在優(yōu)化深層神經(jīng)網(wǎng)絡(luò)時(shí)的梯度耗散問(wèn)題。當(dāng)x&gt;0 時(shí),梯度恒為1,無(wú)梯度耗散問(wèn)題,收斂快;當(dāng)x&lt;0 時(shí),該層的輸出為0。 CNN
    發(fā)表于 10-29 07:49

    NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

    NMSIS NN 軟件庫(kù)是一組高效神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫(kù)分為多個(gè)功能,每個(gè)功能涵蓋特定類(lèi)別
    發(fā)表于 10-29 06:08

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開(kāi)發(fā)IDE,以TensorFlow2為訓(xùn)練框架,目標(biāo)是訓(xùn)練一個(gè)手寫(xiě)數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。 在仿真環(huán)境下,可將其存于一個(gè)文件,并在 Verilog 代碼中通過(guò) readmemh 函數(shù)
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲(chóng)的神經(jīng)結(jié)構(gòu),盡管這種微生物的
    的頭像 發(fā)表于 09-28 10:03 ?1649次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn),如計(jì)算速度慢、訓(xùn)練時(shí)間長(zhǎng)等
    的頭像 發(fā)表于 09-17 13:31 ?1355次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

    基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案

    在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真(DPD)模型中,使用不同的激活函數(shù)對(duì)整個(gè)系統(tǒng)性能和能效有何影響?
    的頭像 發(fā)表于 08-29 14:01 ?3735次閱讀

    無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過(guò)對(duì)無(wú)刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來(lái)訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    摘要:針對(duì)傳統(tǒng)專(zhuān)家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問(wèn)題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專(zhuān)家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究

    眾多方法中,由于其結(jié)構(gòu)簡(jiǎn)單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開(kāi)發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問(wèn)題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn),使估計(jì)更為簡(jiǎn)單、快速
    發(fā)表于 06-16 21:54

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過(guò)python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出,然后通過(guò)python程序?qū)xt文件轉(zhuǎn)化為coe文件,(coe
    的頭像 發(fā)表于 06-03 15:51 ?1570次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析
    陵川县| 岳普湖县| 磐安县| 襄樊市| 锦屏县| 郓城县| 巴楚县| 永定县| 隆安县| 红安县| 临沂市| 五莲县| 佳木斯市| 西宁市| 辰溪县| 阳朔县| 开江县| 得荣县| 元氏县| 香格里拉县| 襄垣县| 商丘市| 泸西县| 鄂温| 兴安盟| 铁岭县| 额济纳旗| 久治县| 阿鲁科尔沁旗| 娄底市| 白山市| 焦作市| 榕江县| 怀柔区| 苏州市| 岱山县| 新民市| 台安县| 宁强县| 陆良县| 会宁县|