公开(公告)号：CN117370269A

公开(公告)日：2024-01-09

申请号：CN202311482480.5

申请日：2023-11-08

Applicant: 西安交通大学

Inventor： 荣海军 ,  汪子溦 ,  黄辉 ,  杨朝旭 ,  袁彰求

IPC: G06F15/78 ,  G06F15/163 ,  G05B19/042 ,  G06N3/043

Abstract: 本发明公开了一种面向模糊系统优化的FPGA动态参数重配置系统及方法，涉及模糊系统设计技术领域，系统包括动态模糊规则配置模块，用于动态更新模糊规则，根据在线数据流进行模糊规则配置；动态模糊后件参数优化模块，用于同步动态优化模糊后件参数；动态模糊规则推理模块，用于利用动态配置的模糊规则和动态优化后的模糊后件参数进行模糊推理，获取在线数据流对应的实时输出。本发明系统采取自主学习的方式，根据样本的输入对模糊系统的模糊规则库与后件参数进行更新，同时采用FPGA进行硬件并行运算，打破了顺序执行的模式，缩减了推理运算时间。本发明系统具有良好的动态性，能够有效地对不同维度的数据流进行持续的推理与学习。

公开(公告)号：CN116151119B

公开(公告)日：2025-04-01

申请号：CN202310170550.7

申请日：2023-02-27

Applicant: 西安交通大学

Inventor： 杨朝旭 ,  袁彰求 ,  荣海军 ,  陶思宇 ,  汪子溦

IPC: G06F30/27 ,  G06F30/15 ,  G06N3/08 ,  G06F111/04

Abstract: 一种基于张量流形的轻量化神经网络故障诊断方法及系统，方法包括将故障诊断图像视为向量，在约束条件下重构为第一多阶张量，并将第一多阶张量以张量串分解形式的张量流形表示；在张量秩不变的条件下，以张量流形的梯度下降法对第一多阶张量多次迭代，得到数据降维后的第一收缩多阶张量；将故障诊断神经网络中的权重矩阵在约束条件下重构为第二多阶张量，并将第二多阶张量以张量串分解形式的张量流形表示，得到以因子张量为权重的新神经网络；将第一收缩多阶张量作为输入数据对新神经网络进行训练；获取新的故障诊断图像并对应转换成数据降维后的第一收缩多阶张量，输入训练完成的神经网络得到对应的故障诊断结果。本发明能增强计算并行能力。

公开(公告)号：CN116151119A

公开(公告)日：2023-05-23

申请号：CN202310170550.7

申请日：2023-02-27

Applicant: 西安交通大学

Inventor： 杨朝旭 ,  袁彰求 ,  荣海军 ,  陶思宇 ,  汪子溦

IPC: G06F30/27 ,  G06F30/15 ,  G06N3/08 ,  G06F111/04

Abstract: 一种基于张量流形的轻量化神经网络故障诊断方法及系统，方法包括将故障诊断图像视为向量，在约束条件下重构为第一多阶张量，并将第一多阶张量以张量串分解形式的张量流形表示；在张量秩不变的条件下，以张量流形的梯度下降法对第一多阶张量多次迭代，得到数据降维后的第一收缩多阶张量；将故障诊断神经网络中的权重矩阵在约束条件下重构为第二多阶张量，并将第二多阶张量以张量串分解形式的张量流形表示，得到以因子张量为权重的新神经网络；将第一收缩多阶张量作为输入数据对新神经网络进行训练；获取新的故障诊断图像并对应转换成数据降维后的第一收缩多阶张量，输入训练完成的神经网络得到对应的故障诊断结果。本发明能增强计算并行能力。