控制理论与应用

作者：李星辰,赵斐然,孟庆辉,游科友

单位：清华大学 自动化系,清华大学 自动化系,潍柴动力股份有限公司,清华大学 自动化系

关键词：FPGA; 模型预测控制; 神经网络

基金：科技创新2030–“新一代人工智能”重大项目(2022ZD0116700), 国家自然科学基金重点项目(62033006), 清华大学国强研究院项目

现场可编程逻辑门阵列(FPGA)具有可编程、易并行化的独特优势, 是实现一体化感知、决策、控制最具前景的人工智能芯片之一, 但其硬件描述语言(HDL)不易掌握. 本文提出了一种基于神经网络的智能MPC及其FPGA便捷部署方法, 使用高层次综合(HLS)生成HDL代码, 并通过MATLAB-Modelsim联合仿真验证代码功能, 可克服人工编写HDL代码的困难, 提高控制算法的部署效率. 该方法利用了深度神经网络的结构特点和FPGA的并行计算优势, 离线训练神经网络在线仅需硬件化正向传播, 在低资源占用的同时具有严格计算时间保证. 将所提方法分别应用于高速、高维控制系统中, FPGA在环测试验证了其有效性.

来源：2023年第9期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2023年第9期