应用神经网络与声纹识别的锂电池运行状态预警

为了提高锂电池储能预警能力,结合边缘计算技术设计了一种锂电池储能预警系统。采用多模态锂电池声纹识别装置采集锂电池运行过程中发出的声音特征,并对声纹特征参数进行提取,计算出声纹信号的功率谱。在锂电池声纹识别装置中使用了FPGA芯片和硬件加速器,通过构建BP-SNN融合神经网络的故障预警模型结合反向传播神经网络与脉冲神经网络,利用特定的神经元模型进行时间信息的计算与传递,从而对锂电池监测数据的时间序列进行有效处理,提高锂电池故障预警能力。     

基于线阵相机的断路器分合闸速度测量系统

针对目前测量断路器分合闸速度的装置大多存在准确度低、安装条件苛刻及无法实现实时在线监测的问题，提出一种全新的基于线阵相机的实时测量断路器分合闸速度的系统。首先搭建模拟断路器转动的实验台架进行实验技术研究，在电机输出端安装转盘模拟断路器执行机构的转轴，转盘一侧放置线阵相机拍摄转盘上设置的靶标的黑白窄条图像。然后通过选用合适的分辨率、曝光时间及判断阈值，实时分析线阵相机拍摄的图像变化，获得靶标的实时运动行程和转盘的转动速度，进而得到断路器分合闸速度，验证了测量方案的可行性。最后将其应用于试点变电站，实现了断路器分合闸运动行程的实时在线监测。与现有技术相比，本测量系统具有较高的图像处理速度，对分合闸速度的测量精确且稳定。     

支持抑制型脉冲神经网络的硬件加速器

现有脉冲神经网络加速器的设计过多关注于硬件层面的功能完备性,缺少算法层面的相关协同优化以保证硬件计算效率。此外,传统的事件驱动型脉冲神经网络加速器没有考虑到脉冲神经元模型中普遍存在的脉冲抖动现象,因此不能实现对抑制型脉冲神经网络的支持。为解决上述问题,采用软硬件结合的方式,提出了一种支持抑制型脉冲神经网络加速器的设计方法。软件优化层面通过对脉冲神经网络计算冗余性的分析,提出了相应的近似计算方法以大幅降低脉冲神经网络的计算量;硬件设计层面提出了解决脉冲抖动问题的计算模块,并在此基础上设计了与近似计算方法相适应的并行计算结构。为验证设计的合理性,在Xilinx ZC706 FPGA上部署了加速器原型FEAS。在主流数据集上的测试结果显示,相较以往脉冲神经网络的加速器部署,FEAS在保持97.54%原有模型精度的情况下获得超过一个数量级的性能提升。     

高灵敏度网状石墨烯微弱压力传感器的研究北大核心

为了改善微弱压力传感器的灵敏度，利用微结构来产生压阻效应的方法，制备出一种性能优异的压力传感器。研究了三种不同结构的石墨烯压力传感器，并设计和研究了石墨烯压力传感器的版图结构、工艺制备流程和材料表征。最后，对三种不同结构的石墨烯压力传感器进行了灵敏度测试。实验结果表明，网状结构的石墨烯压力传感器具有较高的灵敏度，在低压强下(0～200 Pa)的灵敏度可达到0.303 kPa-1,最低可检测到24.5 Pa的压强。该网状结构的石墨烯压力传感器是一种可以感知微弱压力变化的高性能压力传感器。