排序方式: 共有23条查询结果,搜索用时 15 毫秒
1.
为解决基于深度学习目标检测模型规模大、在边缘设备上难以部署的问题, 以YOLO目标检测模型为例, 设计实现基于ARM+FPGA异构平台的目标检测加速模块。该系统使用剪枝、量化后的压缩模型, 在FPGA实现神经网络前向推理加速, 在ARM中实现加速器调度。实验结果表明, 部署至Xilinx ZCU102开发板上, 该模块在200 MHz工作频率下, 平均计算性能达到425.8 GOP/s, 推理压缩模型速度达到30.3 fps, 模块功耗为3.56 W, 证明该加速模块具备可配置性。 相似文献
3.
基于H∞的振动系统多输入多输出鲁棒控制仿真 总被引:6,自引:0,他引:6
应用H∞控制理论,设计多输入多输出结构振动鲁棒H∞反馈控制系统.首先建立了振动系统多输入多输出反馈控制模型,然后利用混合灵敏度设计方法,通过合理选择性能加权函数和鲁棒加权函数,将鲁棒反馈控制器设计问题转化为标准H∞控制问题求解.以简支钢梁为对象,完成了两输入两输出结构振动鲁棒H∞控制器设计,频域和时域的仿真计算结果表明,通过对性能加权函数和鲁棒加权函数的选取,系统闭环后最大奇异值显著下降,系统能在指定频带上取得良好的减振效果. 相似文献
4.
基于H∞控制理论,采用次级力作为执行器,应用反馈控制来抑制结构振动噪声,建立了结构振动声辐射反馈力控制模型,引入了性能加权函数,得到了广义系统模型,将反馈控制器设计问题转化为标准H∞控制问题求解.同常用的自适应滤波前馈控制相比,这种方案不需要用参考信号、不存在声反馈问题.封闭空间结构振动声耦合反馈力控制仿真结果表明:通过合理选择性能加权函数,噪声可以在指定频带得到良好的控制,最大噪声峰值近20 dB(A). 相似文献
5.
6.
7.
设计了一种基于FPGA的目标检测算法的硬件加速器, 采用循环分块和循环展开的方式来优化卷积池化循环, 可以以任意并行度进行卷积和池化计算。使用一种基于AXI总线的数据重排序方式, 在不带来额外硬件资源开销的情况下, 对特征图进行重排序, 可以降低数据传输时间。将该硬件加速器部署至Xilinx ZCU 102开发板进行验证, 结果表明SSD算法前向推理性能为534.72 GOPS, 推理时间为113.81 ms。 相似文献
8.
为解决因卷积神经网络模型规模大,模型剪枝方法引起的精度下降问题,提出一种模型剪枝微调优化方法.该方法引入原卷积神经网络模型权重全局信息至剪枝后模型,使原模型信息体现在剪枝后模型的权重上,提升剪枝后模型的精度.在图像分类任务和目标检测任务中的实验结果表明,所提出的微调优化方法可获得更大的压缩率和更小的模型精度损失. 相似文献
9.
为研究装配式方钢管柱桁架梁连接节点的力学性能,对两个足尺的试件分别进行了单调加载与往复加载试验,并对不同加载方式下的梁柱节点的力学性能进行对比,深入分析了该节点的破坏模态、承载力、延性等指标。结果表明两种加载方式下的节点破坏都始于腹杆,终于弦杆撕裂。可得出单调加载下的梁柱连接节点延性大于滞回加载下的延性,往复加载下的梁柱连接节点更容易进入屈服,且进入屈服后刚度退化较快的结论。在加载过程中节点域并未发生破坏,满足"强节点,弱构件"的抗震设计原则。 相似文献
10.