-
公开(公告)号：CN114580627B
公开(公告)日：2024-04-16
申请号：CN202210213036.2
申请日：2022-02-28
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于变参递归神经网络的FPGA实现方法，包括如下步骤：1)将实际问题设计为受多类约束的时变二次规划问题；2)将步骤1)中的受多类约束的时变二次规划问题通过引入惩罚函数和拉格朗日函数转换为时变矩阵方程，并通过变参收敛微分神经网络进行求解；3)将步骤2)中的变参收敛微分神经网络映射到FPGA构成求解模块；4)确立求解模块的数据格式和底层乘法器；5)将步骤4)中的已确定好数据格式的模块基于流水线实现；6)将步骤5)中求得的最优解进行积分，得到二次规划问题的最优解。本发明采用变参收敛微分神经网络对受多类约束的时变二次规划问题进行求解，计算效率大大提高、实时性强，鲁棒性好的优点。
-
公开(公告)号：CN116117825B
公开(公告)日：2023-08-08
申请号：CN202310350455.5
申请日：2023-04-04
Applicant: 人工智能与数字经济广东省实验室(广州) , 华南理工大学
IPC: B25J9/16
Abstract: 本发明公开一种基于抗噪声模糊递归神经网络的FPGA实现方法，包括以下步骤：将机械臂末端轨迹运动规划任务转换为受多类约束的时变二次规划任务；时变二次规划任务引入惩罚函数和拉格朗日函数转换为时变矩阵方程，并通过抗噪声模糊递归神经网络对时变矩阵方程进行求解；将抗噪声模糊递归神经网络映射到FPGA构成FPGA求解模块；确立FPGA求解模块的数据格式和底层乘法器；FPGA求解模块在FPGA中基于流水线实现并获得最优解；对最优解进行积分，得到时变二次规划任务的最优解。本发明的有益效果是：求解模块实时性好，计算速度快，效率更高，能够考虑多种约束条件。
-
公开(公告)号：CN116117825A
公开(公告)日：2023-05-16
申请号：CN202310350455.5
申请日：2023-04-04
Applicant: 人工智能与数字经济广东省实验室(广州) , 华南理工大学
IPC: B25J9/16
Abstract: 本发明公开一种基于抗噪声模糊递归神经网络的FPGA实现方法，包括以下步骤：将机械臂末端轨迹运动规划任务转换为受多类约束的时变二次规划任务；时变二次规划任务引入惩罚函数和拉格朗日函数转换为时变矩阵方程，并通过抗噪声模糊递归神经网络对时变矩阵方程进行求解；将抗噪声模糊递归神经网络映射到FPGA构成FPGA求解模块；确立FPGA求解模块的数据格式和底层乘法器；FPGA求解模块在FPGA中基于流水线实现并获得最优解；对最优解进行积分，得到时变二次规划任务的最优解。本发明的有益效果是：求解模块实时性好，计算速度快，效率更高，能够考虑多种约束条件。
-
公开(公告)号：CN114580627A
公开(公告)日：2022-06-03
申请号：CN202210213036.2
申请日：2022-02-28
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于变参递归神经网络的FPGA实现方法，包括如下步骤：1)将实际问题设计为受多类约束的时变二次规划问题；2)将步骤1)中的受多类约束的时变二次规划问题通过引入惩罚函数和拉格朗日函数转换为时变矩阵方程，并通过变参收敛微分神经网络进行求解；3)将步骤2)中的变参收敛微分神经网络映射到FPGA构成求解模块；4)确立求解模块的数据格式和底层乘法器；5)将步骤4)中的已确定好数据格式的模块基于流水线实现；6)将步骤5)中求得的最优解进行积分，得到二次规划问题的最优解。本发明采用变参收敛微分神经网络对受多类约束的时变二次规划问题进行求解，计算效率大大提高、实时性强，鲁棒性好的优点。
-
-
-
Search Results
4
records
(took 0.015 seconds)
