基于嵌入式系统的神经网络在线训练平台实现.pdf

《基于嵌入式系统的神经网络在线训练平台实现.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、100传感器与微系统(TransducerandMicrosystemTechnologies)2010年第29卷第8期基于嵌入式系统的神经网络在线训练平台实现王健伟，宋执环(浙江大学工业控制研究所工业控制技术国家重点实验室。浙江杭州310027)摘要：基于最新的工业应用双核处理器OMAP—L137设计了一种神经网络软测量模型在线训练平台。该平台以ARM与浮点DSP双核控制器为核心。针对神经网络隐含层节点数、训练中止条件、学习率等相关参数的确定进行了研究与测试，将优化的神经网络算法成功移植到嵌入式平台，支持神经网络软测量模型的在线训练。通

2、过对相关数据集的测试，结果表明：系统具有高速、高精度等优良性能。关键词：嵌入式系统；软测量；在线训练；神经网络中图分类号：TP273文献标识码：A文章编号：1000-9787(2010)o8-9100-04NeuralnetworkonlinetrainingplatformbasedonembeddedsystemWANGJian—wei，SONGZhi—huan(StateKeyLaboratoryofIndustrialControlTechnology，InstituteofIndustrialProce&~Control，Zhe

3、jiangUniversity，Hangzhon310027，China)Abstract：AsoftmeasurementmodelonlinetrainingplatformisdesignedbasedonOMAP-L137，whichisanewdouble-coreprocessorforindustry．Byanalyzingthehidden—layernodesofneurMnetwork，stopcriterionoftrainingandlearningrate，theoptimizedneur~network(NN)

4、isrealizedinthedouble-core(ARMandfloatingpointDSP)platformthatsupportson·linetrainingofsoftmeasurementmode1．ThetestingofdatasetsdemonstratestheplatformhasexceHentperformanceofhigh—precisionandhigh—speed．Keywords：embeddedsystem，softmeasurement，onlinetraining，neuralnetwork(

5、NN)0引言嵌入式应用，但这些应用大多采用离线训练，只是把训练好随着科技与应用的发展，控制系统越来越复杂。针对的结果移植到嵌入式系统，而没有将训练或优化的过程移多输人多输出、时变、非线性、大时滞等难以控制的过程问植到嵌入式系统中⋯。题，必须使用神经网络等智能算法与软测量技术才能达到本文搭建双核嵌入式软硬件系统平台，将神经网络的理想的效果。但这些复杂的算法大都基于DCS，FCS等大在线训练成功移植到该双核平台中，并对大量数据集进行型系统，系统成本较高。算法的运行环境也大都基于工业测试，达到了良好的效果。计算机等平台，难以满足嵌入式与便携式要

6、求。1系统结构嵌入式系统和设备越来越普及，并具有低功耗、体积在线训练所用系统的结构框图如图1所示，由微控制小、集成度高、低成本、高性能、应用广泛等特点。如果神经器、人机交互接口、通信接口、输入输出接口等组成。网络算法能移植到一个嵌入式设备上，同时配备良好的运硬件上，微控制器配合信号输入输出接口与通信接13，行性能，就可以解决一部分复杂工程问题，并具有小型化与完成相关数据的采集、处理、动态存储、与外围设备通信等便携式特点。同时对于单一变量的测量或处理也有了低成功能；人机交互接口包括按键操作面板与彩屏液晶显示等，本的解决方案。但神经网络算法复

7、杂、运算量大，同时，嵌实现设置功能参数、动态显示等人机交互功能。入式系统的计算与存储能力要明显弱于Pc机。所以，在软件上，除了配合硬件实现基本功能，设计良好的界面PC机运用的神经网络算法不能直接移植到嵌入式平台中，与接口函数以实现人机交互与任务调度要求；更重要的是需要进行相关处理与简化。优化神经网络算法，以支持模式识别或软测量模型的在线虽然已有机器人、手机手写体识别等神经网络算法的训练。收稿日期：2009-11-25基金项目：国家“863”计划资助项目(2009AAO4Z154)第8期王健伟，等：基于嵌入式系统的神经网络在线训练平台实现1

8、01基于人工神经网络(artificialneuralnetwork，ANN)的软测量模型可以在不具备对象的先验知识的条件下，将辅助变量作为人工神经网络的输入，而主导变量作为神经网络的输出，根