针对图像识别领域卷积神经网络(convolutional neural network,CNN)的计算需求,根据CNN的结构特点,设计出一种基于软件定义片上可编程系统(software defined system on chip,SDSoC)的加速器。首先通过修改CNN网络结构文件,选用修正线性...针对图像识别领域卷积神经网络(convolutional neural network,CNN)的计算需求,根据CNN的结构特点,设计出一种基于软件定义片上可编程系统(software defined system on chip,SDSoC)的加速器。首先通过修改CNN网络结构文件,选用修正线性单元(rectified linear unit,ReLU)作为激励函数,在虚拟机上训练出卷积神经网络的参数。最终完成一种占用硬件资源少,图像识别时间短和精度高的CNN硬件加速器。实验结果表明,与传统的CPU对比其识别精度提高至80%以上,消耗仅占其4.16%,识别时间从通用CPU的十几秒缩短至毫秒。资源消耗与识别时间都得到了很大程度的降低,为进一步加速提供了参考价值。展开更多
针对将弧焊机器人应用于海洋平台导管架焊接作业现场的部分问题进行了仿真分析.采用Solid Works API环境下编制的焊缝特征坐标系规划软件,对平台焊接中经常出现的T、K相贯线的类马鞍型焊缝曲线进行焊枪路径提取和姿态规划,调用逆运动学...针对将弧焊机器人应用于海洋平台导管架焊接作业现场的部分问题进行了仿真分析.采用Solid Works API环境下编制的焊缝特征坐标系规划软件,对平台焊接中经常出现的T、K相贯线的类马鞍型焊缝曲线进行焊枪路径提取和姿态规划,调用逆运动学运算模块计算各轴转角.最后,在Solid Works环境下进行焊接过程仿真.展开更多
文摘针对图像识别领域卷积神经网络(convolutional neural network,CNN)的计算需求,根据CNN的结构特点,设计出一种基于软件定义片上可编程系统(software defined system on chip,SDSoC)的加速器。首先通过修改CNN网络结构文件,选用修正线性单元(rectified linear unit,ReLU)作为激励函数,在虚拟机上训练出卷积神经网络的参数。最终完成一种占用硬件资源少,图像识别时间短和精度高的CNN硬件加速器。实验结果表明,与传统的CPU对比其识别精度提高至80%以上,消耗仅占其4.16%,识别时间从通用CPU的十几秒缩短至毫秒。资源消耗与识别时间都得到了很大程度的降低,为进一步加速提供了参考价值。
文摘针对将弧焊机器人应用于海洋平台导管架焊接作业现场的部分问题进行了仿真分析.采用Solid Works API环境下编制的焊缝特征坐标系规划软件,对平台焊接中经常出现的T、K相贯线的类马鞍型焊缝曲线进行焊枪路径提取和姿态规划,调用逆运动学运算模块计算各轴转角.最后,在Solid Works环境下进行焊接过程仿真.
