基于fpga的有限元神经网络计算方法实现

《基于fpga的有限元神经网络计算方法实现》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于FPGA的有限元神经网络计算方法实现基于FPGA的有限元神经网络计算方法实现#梁振东1,2，李海滨1**510（1.内蒙古工业大学理学院呼和浩特010051；2.河南机电职业学院，郑州451191）摘要：在对离散模型结构有限元方程组神经网络计算方法研究的基础上，设计了此计算方法各个部分的具体实现，采用广泛使用的硬件描述语言（VerilogHDL）在RTL级的完整实现，并利用QuartusII11.0和ModelSim6.5进行设计仿真。结果表明，基于现场可编程门电路（FPGA）实现的有限元神经网

2、络计算方法能够满足并行计算的要求，进一步提高结构有限元的计算速度，保证了计算的高速性和准确性。关键词：有限元；神经网络计算；浮点数运算；现场可编程门阵列；中图分类号：TP3915ImplementationofthefiniteelementneuralnetworkcomputingmethodbasedonFPGALIANGZhendong1,2,LIHaibin11.SchoolofSciences,InnerMongoliaUniversityofTechnology,Hohhot010051;

3、20253035402.HenanMechanicalandElectricalVocationalCollege,Zhengzhou451191Abstract:Basedontheresearchofneuralnetworkmethodoffiniteelementequationsforthestructureofthediscretemodel,itispresentedacompleteimplementationofthevariouspartsofthecomputingmethod.

4、ThecomputationmoduleisdescribedwithhardwaredescriptionlanguageVerilogHDLattheRTLlevel,andfunctionalsimulationisexecutedbyQuartusII11.0andModelSim6.5.SimulationresultsshowthattheimplementationofNNcomputingmethodbasedonFPGAcansatisfytherequirementofthepara

5、llelcomputing,whichfurtherimprovethespeedofstructuralfiniteelementcomputation,andensurethespeedandaccuracyofthecompution.Keywords:finiteelement;neuralnetworkcomputing;floating-pointoperations;FPGA;0引言有限元法自1953年提出以来，发展十分迅速，已成为一种最为有效的结构分析方法。随着结构问题的日趋复杂化，基于

6、传统串行计算机的有限元计算因受到内存容量和运行速度的限制，求解大型复杂结构十分耗时[1]。为此，自从上世纪70年代初并行计算机问世以来，一些结构分析学家和计算数学家就致力于有限元结构分析的并行处理研究。神经网络是一种复杂的非线性动力学系统，已在结构有限元分析中得到了应用。但是，在硬件实现时多采用模拟电路[2,3]，因而精度差、设计复杂。与模拟电路相比，数字电路加工和处理的是二进制信息，其基本元件只需要具有两个稳定状态，故其基本单元电路简单，便于VLSI制造和不易受外界的干扰，具有高度稳定性和可靠性。基于

7、上述原因，文献[4]，构造了基于离散模型的有限元神经网络动力学迭代算式，根据有限元总刚矩阵具有正定性的特点，分析了该方程稳收敛时应满足的迭代步长条件，并在此基础上，研究了动力学方程迭基金项目：非线性结构有限元神经网络计算方法与硬件实现研究（201XXXXXXXXXX2）作者简介：梁振东（1982-），男，硕士。主要研究方向：数字图像处理、计算机应用通信联系人：李海滨（1973-），男，教授，主要研究方向：神经网络计算、结构有限元法、双量程力传感器.E-mail:lhbnm2002@163-1-代步长的

8、实用计算公式。上述工作为利用大规模数字电路实现结构有限元的并行计算打下了理论基础。本文采用现场可编程门电路（FPGA）对有限元方程组的神经网络计算给出硬件构造及其仿真验证，以充分说明有限元神经网络并行计算的可行性。451离散模型的结构有限元方程组的神经网络计算方法数字电路处理的是数字信号。数字信号的特点是无论在时间上还是在大小上都是离散的。因此，对应于神经网络系统也应该是个离散系统。则有限元的能量函数通过单元组合装配，可将系统的总势能和约