10.13695/j.cnki.12-1222/o3.2024.01.011
基于光纤陀螺的温度补偿模型改进、压缩和FPGA实现
为提高光纤陀螺(FOG)在变温环境下输出误差的补偿精度,在长短期记忆神经网络模型(LSTM)基础上,利用分段非线性粒子群算法(PN-PSO)对 LSTM 模型超参数寻优,建立 PN-PSO-LSTM 光纤陀螺温度补偿模型.为有效降低计算和存储开销,便于部署在资源受限的硬件环境中,提出一套适用于光纤陀螺应用场景的模型压缩方案,包括:知识蒸馏、剪枝、激活函数线性化、定点数量化等.最后基于 Xilinx 公司某芯片完成部署.对比实验结果表明,相较于传统反向传播(BP)模型和传统PSO-LSTM模型,采用所提模型补偿后,陀螺零偏输出均方误差分别降低 74.4%和 53.5%,模型压缩后在大小减小 94.1%的同时,陀螺零偏输出均方误差仍然比传统全精度模型更低,在FPGA实现后对比PC端模型推理速度提升 98.47%.
光纤陀螺、长短期记忆神经网络模型、温度补偿、模型压缩
32
U666.1(船舶工程)
国家自然科学基金61875016
2024-02-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
79-87