一种基于Zynq FPGA的自动化可靠性评估系统及评估方法

    公开(公告)号:CN112015604B

    公开(公告)日:2023-06-20

    申请号:CN202010709836.4

    申请日:2020-07-22

    Abstract: 本发明公开了一种基于Zynq FPGA的自动化可靠性评估系统及评估方法,包括测试系统、Zynq FPGA控制单元和PC端故障读取模块,测试系统包括基于JTAG接口的片上调试器,片上调试器通过JTAG接口与所述Zynq FPGA控制单元中的JTAG控制器相连,Zynq FPGA控制单元包括故障列表模块、标准结果模块、JTAG控制器、故障注入控制器和调试指令模块,PC端故障读取模块通过所述Zynq FPGA控制单元的PS端与故障注入控制器连接,用于读取并统计故障控制器存储的故障分类结果。本发明中测试系统与软件调试工具之间的通信不是必需的,则故障注入过程更快;且故障注入方法不需要修改测试系统,因此它具有非侵入性;而JTAG是最常见的片上调试接口之一,因此可应用于各种不同的处理器。

    一种数字滤波器的设计及验证方法

    公开(公告)号:CN110830004B

    公开(公告)日:2023-05-05

    申请号:CN201911142366.1

    申请日:2019-11-20

    Abstract: 本发明公开了一种数字滤波器的设计及验证方法,所述设计方法包括:导入设定好FIR滤波器滤波参数的FIR滤波器的IP核、FPGA内部PS的IP核、AXI总线协议的IP核、FIFO内部寄存器的IP核;根据设定的FIR滤波器滤波参数构建混频信号波形,导出混频信号的矩阵参数;根据信号流向对所有IP核进行连线,搭建数字滤波器硬件电路;所述验证方法包括:在FPGA内部的PS端通过对于FIFO内部寄存器的读写操作,写入混频的矩阵参数,同时将经过FIR滤波之后的信号矩阵参数通过串口传输的方式输入到上位机,通过FPGA进行信号还原以此验证FIR滤波器的正确性。本发明有利于滤波器设计的最优化。

    一种基于自组织映射网络的多机器人协同追捕猎物方法

    公开(公告)号:CN110430556B

    公开(公告)日:2022-11-04

    申请号:CN201910700810.0

    申请日:2019-07-31

    Abstract: 本发明公开一种基于自组织映射网络的多机器人协同追捕猎物方法,具体步骤如下:1)选择四个靠近点,并执行SOM网络,选择四个获胜神经元;2)各获胜机器人以自己为中心设定特定范围,选择所有范围内机器人为协同机器人,且分配不同的可移动距离。3)获胜机器人行进可移动距离后,基站重新迭代执行SOM网络,分配移动距离,直到有四个机器人到达四个靠近点。4)选择四个捕获点,四个机器人以最大行进速度向四个捕获点移动;5)四个机器人到达捕获点,或移动过程中感知到猎物,则开始捕获猎物。相比较于常规的多机器人协同追捕的方法,本发明可通过减少机器人的行进路径而减少能耗,并通过机器人协同控制提高抓捕率。

    基于TensorFlow的卷积神经网络故障注入系统

    公开(公告)号:CN111563578B

    公开(公告)日:2022-09-23

    申请号:CN202010349927.1

    申请日:2020-04-28

    Abstract: 本发明公开了一种基于TensorFlow的卷积神经网络故障注入系统,包括训练模块、注错模块和解析模块;训练模块用于获取目标神经网络参数,计算神经网络内部网络层浮点数运算次数,生成神经网络模型,以及训练所生成的神经网络模型;注错模块用于执行注错任务,包括网络层输入注错、权重注错和全局注错;解析模块用于根据注错任务的执行结果,分析被测试神经网络内在网络层的滤错能力、整体错误恢复能力和权重参数对神经网络的影响。本发明基于网络层浮点数运算次数实现权重注错、网络层输入注错和计算注错,使得故障注入系统能模拟不同的硬件平台的故障注入。

    一种基于低通滤波的倒立摆控制方法、装置及系统

    公开(公告)号:CN110568755B

    公开(公告)日:2022-04-26

    申请号:CN201910858296.3

    申请日:2019-09-11

    Abstract: 本发明公开了一种基于低通滤波的倒立摆控制方法、装置及系统,获取倒立摆摆杆角度信息和旋转臂位置信息;根据倒立摆摆杆角度信息,判断当前运动状态;基于当前运动状态,根据得到的倒立摆摆杆角度信息和旋转臂位置信息,结合预设的旋摆杆目标角度、旋转臂目标位置,通过双环低通滤波PID算法计算电机PWM输出值;根据计算得到的电机PWM输出值,发出指令控制电机转速。控制器中直接加入低通滤波器,预测摆杆运动姿态,减小倒立摆惯性与干扰影响,保持摆杆稳定。该装置具有较高的可靠性和稳定度,可实现系统的多样化控制,且整个装置结构简单,成本较低。

    一种双节点单粒子翻转免疫的存储单元及锁存器

    公开(公告)号:CN111223503B

    公开(公告)日:2021-10-01

    申请号:CN202010166538.5

    申请日:2020-03-11

    Abstract: 本发明公开了一种双节点单粒子翻转免疫的存储单元及锁存器,所述存储单元包括电源,八个支路以及每个支路上各有一个节点,每个支路上还包括2个PMOS管和2个NMOS管;每个支路通过节点与其他支路上的PMOS管和NMOS管栅极连接,实现第一、三、五、七支路各自分别与第二、四、六、八支路连接,第二、四、六、八支路各自分别与第一、三、五、七支路连接。所述锁存器还包括逻辑电路。通过该结构,任意两个节点受到高能粒子打击发生翻转逻辑值发生变化时,其他节点逻辑值均不发生改变,同时NMOS会将节点逻辑变化消除,实现存储单元的逻辑状态恢复。

    一种基于Zynq FPGA的自动化可靠性评估系统及评估方法

    公开(公告)号:CN112015604A

    公开(公告)日:2020-12-01

    申请号:CN202010709836.4

    申请日:2020-07-22

    Abstract: 本发明公开了一种基于Zynq FPGA的自动化可靠性评估系统及评估方法,包括测试系统、Zynq FPGA控制单元和PC端故障读取模块,测试系统包括基于JTAG接口的片上调试器,片上调试器通过JTAG接口与所述Zynq FPGA控制单元中的JTAG控制器相连,Zynq FPGA控制单元包括故障列表模块、标准结果模块、JTAG控制器、故障注入控制器和调试指令模块,PC端故障读取模块通过所述Zynq FPGA控制单元的PS端与故障注入控制器连接,用于读取并统计故障控制器存储的故障分类结果。本发明中测试系统与软件调试工具之间的通信不是必需的,则故障注入过程更快;且故障注入方法不需要修改测试系统,因此它具有非侵入性;而JTAG是最常见的片上调试接口之一,因此可应用于各种不同的处理器。

    一种估算中子导致的触发器软错误率的方法

    公开(公告)号:CN111931455A

    公开(公告)日:2020-11-13

    申请号:CN202010619041.4

    申请日:2020-06-30

    Abstract: 本发明公开了一种估算中子导致的触发器软错误率的方法,通过模拟中子入射产生次级离子的过程,得到次级离子的线性能量转移LET值的概率分布,并通过TCAD仿真得到触发器的关键线性能量转移值LEDcrit,随后对LET分布求得线性能量转移概率密度分布函数fD(LET),并进一步求线性能量转移累计概率密度分布函数fC(LET),最后可通过fC(LET)与触发器敏感面积的乘积得到触发器的软错误率SERDFF。本发明在触发器电路仿真阶段即可快速评估其软错误率的新方法,相较于制造出实际电路并实验得出软错误率结果,节约了时间和经济资源。

    一种基于区块链技术的太阳能电池管理系统及方法

    公开(公告)号:CN111784365A

    公开(公告)日:2020-10-16

    申请号:CN202010610608.1

    申请日:2020-06-30

    Abstract: 本发明公开了一种基于区块链技术的太阳能电池管理系统及方法,包括生产模块、销售模块、运输模块及数据模块;数据模块包括生产节点、销售节点及运输节点,上述节点构成区块链中的各个节点,分别对应接收来自管理系统中的生产模块、销售模块及运输模块的信息,上述节点均可对接收信息进行验证、广播、存储及写入区块,并将区块加入到区块链中。本发明通过供应链各节点组成动态信息存储网络,对电池生产销售转移运输过程中的全部信息进行记录加入到区块链中,保证产品供应链各阶段信息的完整性和可溯性。

    一种基于密集卷积网络的低开销生活垃圾分类方法

    公开(公告)号:CN111553426A

    公开(公告)日:2020-08-18

    申请号:CN202010358680.X

    申请日:2020-04-29

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于密集卷积网络的低开销生活垃圾分类方法,包括(1)、数据预处理,(2)、搭建密集卷积网络,(3)、将数据集划分为训练集、验证集和测试集,(4)、训练过程中,选用合适优化器和损失函数,设定超参数,评价指标为准确率。本发明在输入数据的预处理中进行了优化,将三通道彩色图和边缘检测图进行矩阵融合,以此作为模型的输入,加强特征信息;对密集卷积网络结构进行搭建,并加入了Dropout层,并且利用学习率自调节和调整超参数的方法,使模型具有足够的特征提取能力,利用自身的特征映射作为后续层的输入,减缓了深层网络带来的梯度消失问题,在低开销和高精度上实现了较好平衡,实现了90.8%的精度以及5.08M的文件大小。

Patent Agency Ranking