摘要：随着嵌入式处理器性能的不断提升,传统的并行总线互联方案已不能满足日益增长的带宽需求。RapidIO技术缓解了传统互联总线性能缓慢增长和处理器性能高速发展之间的矛盾,同时,片上网络也已成为多核体系结构中最常用的互联结构。为了实现两者之间的数据交互,设计了一种面向RapidIO控制器与片上网络的转换接口,可实现RapidIO控制器的AXI协议到片上网络内部包传输的转换,满足RapidIO设备读/写操作的需求。仿真结果表明,转换接口功能正确、完整,符合设计要求。

摘要：随着神经网络隐层数的增多,训练计算量增大。为提高算法的执行效率,包含硬件算法加速器的异构片上系统(So C)相继被提出。开源处理器Rocket core项目含有核生成器,不仅能够定制核的个数而且含有协处理扩展接口,易于异构So C的研究和设计工作。基于开源处理器Rocket core和开源项目Si-Five Blocks,以ReLU协处理器和向量内积加速器为例搭建了精简的So C,并以FPGA开发板VC707为验证平台,完成了ReLU和向量内积加速器的原型验证,结果证明了该异构So C对加速卷积神经网络运算的有效性和实用性。

摘要：针对第五代开放精简指令集(RISC-V)的人工智能(AI)处理器较少、先进的精简指令微处理器(ARM)架构供应链不稳定、自主可控性弱的问题,设计了以RISC-V处理器为核心的神经网络推理加速器系统级芯片(SoC)架构。采用开源项目搭建So C架构;基于可变张量加速器(VTA)架构,完成深度神经网络加速器指令集设计;通过高级可扩展接口(AXI)连接处理器与VTA,并采用共享内存的方式进行数据传输;基于深度学习编译栈实现卷积运算和神经网络部署。试验结果表明,所设计的架构可灵活实现多种主流的深度神经网络推理任务,乘法累加单元(MAC)数目可以达到1024,量化长度为有符号8位整数(INT8),编译栈支持主流神经网络编译,实现了修正后的ZFNet和ResNet20神经网络图像分类演示,在现场可编程逻辑门阵列(FPGA)电路上整体准确率分别达到78.95%和84.81%。

摘要：针对异构SoC加速器测试软件硬编码固化到BootRom,致使FPGA原型验证周期长的问题,提出了一种软件和硬件分离的原型验证方法。该验证方法仅需要增加指令存储ITCM和UART、SPI基本外设,即可实现对协处理器、独立加速器的FPGA平台验证工作。基于开源处理器Rocket core和开源项目Si-Five Blocks,以Cordic算法协处理器和快速傅里叶变换独立加速器为例,在FPGA开发板VC707上的实际验证表明,该平台验证方法不仅能够减少SoC综合编译的次数,有利于软硬件问题的定位,而且可以减少CPU读取指令的时间、加快验证速度。

摘要：针对自平衡车的自平衡阶段控制和转向阶段控制问题,提出了基于参数优化自抗扰技术和改进PID技术的自平衡车控制方法,首先基于拉格朗日公式建立自平衡车非线性模型及其控制策略,运用自适应进化算法进行模型参数的优化调整,调然后用过滤过程安排改进的PID控制策略进行模型转向控制,最后使用Matlab/Simulink进行自平衡车控制效果仿真分析。仿真实验结果表明,提出的控制策略能够快速调整平衡车姿态,且具有较好的控制平衡和转向精度以及较强的抗干扰能力。

摘要：为解决城市供水管网的漏失问题,基于在供水管网各测压点收集的压力数据,构建粒子群(PSO)算法优化LSSVM的时序预测模型来预测压力监测点下一时刻压力值,并提出了城市供水管网漏失识别模型,通过监测点压力值与预测值的残差值是否在阈值范围内来判断管网是否处于正常工况。测试分析结果表明,改进的时序预测模型预测精度较高,可确定各压力监测点阈值,识别管网是否发生漏失事故,为相似工程提供借鉴。

摘要：随着季节性藻华事件的频发,越来越多的给水厂将气浮工艺应用到水处理中。以国内4套典型给水厂的气浮设备为研究对象,利用高速摄像机等评估气泡特性及对污染物的去除效果,并进行气浮设备的性能评估及运行能耗规律研究。结果表明,气浮设备整体运行情况基本正常,各水厂气浮设备的溶气效率为58.4%~78.7%,气泡平均粒径均低于30μm,气泡稳定时间大多在240 s以上;对浊度和藻类的去除效果较好,去除率分别为50.70%~77.66%和77.41%~86.31%,对TOC、UV_(254)、COD_(Mn)的去除率不高,但可以起到减轻后续工艺单元运行压力的作用;同时,气浮工艺运行产生的较高电能和药剂消耗,能够通过其他指标的降低相互抵消,投资成本仅增加了0.024~0.030元/m^(3)。综合考虑运行性能、经济性和出水水质等因素,气浮工艺对城镇给水厂处理低浊高藻水具有较好的适用性。

摘要：本项目将研究系统芯片软硬件协同验证/测试平台,提出系统的验证策略,从系统性角度对测试系统芯片的方法和原理进行研究。