动态可重构神经网络的FPGA实现及其在燃爆状态监测中的应用

提出了一种基于现场可编程门阵列（FPGA），实现动态可重构神经网络的可燃气体燃爆状态监测的方法。传感器采集可燃气体燃爆过程中引起的多种气体浓度变化的数据，在MATLAB中进行离线神经网络训练，燃爆状态的分类预测的准确性依赖于已训练好的模型。基于片上网络架构在FPGA上实现动态可重构神经网络，并优化了其硬件设计，其能够现场切换、调整合适的网络模型对气体燃爆状态进行在线的分类预测，以达到最佳预测效果。实验结果表明，文中所提出的方法对气体燃爆的多种状态的分类预测具有较高的准确率，该方法提高了硬件化神经网络在燃爆状态监测应用中的灵活性、通用性及分类准确性。