课程文献中心 更多>>

关键词： 嵌入式系统   数据库   SQLite   软件移植   性能优化  

摘要： 随着中国航天技术的不断发展,星载嵌入式计算机的系统功能日益复杂,执行的任务形式和种类越来越多样,在计算和存储资源受限的背景下,如何对其存储的数据进行高效的分析和管理成为了新的挑战。SQLite数据库是一种直接嵌入到应用程序中、零配置、轻量、高效的软件,能够很好地解决单一文件系统对大量数据的统计分析能力不足的问题,有效降低应用开发的复杂度,提高应用程序的性能和稳定性。本论文以实际项目需求为背景,结合星载嵌入式计算机资源受限的情况,将SQLite数据库移植到星载嵌入式实时操作系统Space OS2上,成功运行于火星车计算机上,并针对SQLite进行了性能优化设计。本文深入分析了SQLite数据库的体系结构和SQL执行流程,以及Space OS2操作系统的内核结构与YAFFS2文件系统的底层实现。根据软件移植理论,给出了SQLite数据库在Space OS2操作系统上的移植方法,具体包括替换内存分配系统,替换互斥信号量系统,重新配置并实现虚拟文件系统这三方面。成功将SQLite数据库移植到Space OS2操作系统上,并在火星车计算机上正常运行,通过实验测试验证了移植方法的正确性和有效性。本文还对SQLite进行了性能优化。提出了一种类似SQLite的数据库引擎SQLKV,它采用了基于LSM树的数据结构,同时保留了SQLite的接口。通过SQLite接口,SQL-KV可以被现有的应用程序使用,而不需要任何修改。使用SQL-to-KV编译器可以解决语义不匹配问题,将SQL语句高效地转换为K/V操作。协调读缓存可以有效管理内存碎片,减小前端SQLite语句和后端数据组织之间的数据管理差异,将查询结果缓存起来,提高热点数据查询性能。针对星载嵌入式计算机内存资源受限的问题,重新设计元数据管理方案,来降低对内存的需求。实验表明,SQL-KV的写性能最高可达到SQLite的6.9倍,读性能最高可达到SQLite的7.7倍。

关键词： 路径规划   Catapult   嵌入式系统   高层次综合   硬件加速  

摘要： 导航算法中的路径规划算法一直都是自动导航研究中需要被解决和优化的核心内容之一。随着现代工业技术和互联网的快速发展,人们对于路径规划搜索的性能要求越来越高,如实时性,高效性以及准确性等。现今,许多在CPU或者GPU上实现的算法并不能很好的满足人们对该算法性能的要求,因此越来越多的算法被综合成硬件,以提高算法的性能。将算法综合成硬件可解决在工控机上实现路径规划算法的高效性不足的问题。目前FPGA(Field Programmable Gate Array)具有可移植性强,对计算资源能够进行重复配置,内部逻辑可以根据用户需求而被改变等特性。很多应用于嵌入式的导航算法适合通过FPGA平台进行开发,实现硬件的综合,进而达到加速算法的目的。直接使用Verilog,VHDL等硬件语言进行开发与综合,则会面临开发周期长,对结果进行调试困难等问题。在对综合后的硬件结果性能要求较为宽松,对可能存在的风险较为不敏感的情况下,使用高层次综合(High Level Synthesis,HLS)进行硬件开发,可以在很大程度上缩短工程的开发周期,节省大量人力,同时能够得到不错的硬件结果,极大的提高了生产效率。本文使用Mentor公司的CATAPULT高层次综合(High Level Synthesis,HLS)软件,在工程中设计并优化路径规划算法的实现,使得改进后的算法能够被软件成功综合,得到相应的参数是理想的,并且生成相应的RTL硬件语言,这个硬件语言能够被应用到FPGA平台上,并且准确的在给定的地图中找到一条合理的路径。论文的主要工作和实验归纳如下:(1)基于C/C++实现A*算法,改进相应的程序,使其符合Catapult软件的书写风格,完成硬件综合的仿真。(2)改进算法中的数据结构和算法的实现方式,完成硬件综合的仿真,得到更好的硬件结果。本文最终的硬件结果显示,占有的硬件资源较少,综合后的延时较小,符合我们对综合后的硬件的性能要求,实现硬件加速。

关键词： 局部通风机   Elman神经网络   智能调控   嵌入式系统  

摘要： 通风系统被认为是矿井的“血液循环系统”,是保障矿井安全和生产的重要基础。局部通风机作为通风系统的重要组成部分,它在井下的运行情况直接影响煤矿的安全生产。本文针对局部通风机长期处于工频运行状态,无法根据井下环境自动调节风量,进而造成大量电能浪费的问题,提出了一种煤矿井下局部通风机智能调速策略,同时设计了局部通风机调控系统,实现井上工作人员远程对局部通风机进行监控,使得煤矿井下通风监控系统的自动化水平进一步提高。主要研究内容如下:(1)为了解决风机需风量大小无法估测的问题,本文应用人工神经网络,构建了Elman神经网络对局部通风机需风量的预测模型,采用改进的遗传算法对Elman网络的权值和阈值进行优化,通过对下一时刻需风量的预测,为通风机智能调速提供数据支持。(2)通过上一时刻预测的需风量与传感器采集的当前风量对比,求出风量误差和误差率,利用模糊控制理论算法设计了风量的模糊控制器,同时结合变频调速技术使得局部通风机实现自主决策启停,有效的解决了风机“一风吹”的问题。(3)为了实现所提出的煤矿井下局部通风机智能调控系统,选用ARM+Linux组成嵌入式平台,通过搭建交叉编译工具链、BootLoader、Linux内核与根文件系统以及井上井下数据互传通路的网络设备驱动设计,为局部通风机控制系统运行提供环境保障。(4)利用组态软件设计了局部通风机监控系统,实现井上工作人员和监控系统的人机对话,应用Modbus/TCP通讯协议实现井下集控单元与监控系统的数据交互。实验测试表明,该系统能有效的实现通风机的智能调控功能,为推动井下通风系统的智能化和自动化提供了一定的方法指导。

关键词： 寿命预测   绝缘老化   威布尔分布   最小二乘估计   嵌入式系统  

摘要： 近年来,随着我国工业现代化的飞速发展,低压电机在电力、能源、机械和石化等经济体系的支柱产业中发挥着至关重要的作用。由于低压电机受到复杂工作环境的影响,导致其绝缘性能恶化甚至发生电机事故,造成了巨大的经济损失。因此,为了减少电机绝缘故障而造成的经济损失,需要预测其绝缘寿命。本文通过建立两参数威布尔分布模型成功预测了低压电机的绝缘寿命,并且开发了一套完整的低压电机绝缘寿命预测系统。主要研究内容如下:首先,介绍了低压电机定子绝缘系统的绝缘材料、绝缘结构和绝缘距离,通过分析比对四种绝缘老化应力后将热应力和机械应力作为低压电机运行中的主要老化应力,确定了寿命预测系统中需要采集的参量。其次,在研究寿命预测方法中,说明了绝缘电阻的重要性和检测原理;介绍了两参数威布尔分布模型,经对比5中参数估计方法后选用最小二乘估计;设计并实施了温度-机械双应力加速寿命试验,利用寿命数据估计出两参数,并通过相关性检验与拟合优度检验证明了低压电机绝缘寿命服从两参数威布尔分布;将该模型作为寿命预测模型进行可靠度分析与平均寿命建模,绘制可靠度函数与寿命预测曲线。最后,设计软硬件方案以满足系统需求。对下位机嵌入式系统中的各功能模块进行硬件选型、电路设计及软件编程,实现了参量采集、绝缘电阻检测、寿命预测、数据通信和显示等功能;设计上位机人机交互界面,实现了参量显示等功能;从下位机、上下位串口通信和上位机三个方面对系统整体功能进行了测试和验证。结果表明:硬件电路可靠性高,参量误差小,软件程序合理,具有良好的可读性与可移植性,系统各层级间协调性好,可以实现对低压电机绝缘寿命的预测,满足系统需求。

关键词： 嵌入式系统   HI3516   人脸检测   卷积神经网络  

摘要： 随着互联网计算机技术以及人工智能的发展,以输入密码、刷卡或人工登记为主的安防措施已经不再适应新兴技术带来的安防挑战,身份或密码的盗用事件屡屡发生,为应对这种情况各大平台开始研究基于新兴技术的安防手段,其中生物识别因其易采集和辨识度高的特点逐渐成为了安防领域的研究热门。人脸识别在视频监控、目标跟踪等安防领域有着广泛的应用前景,但是传统的人脸识别技术的研究通常是基于PC端进行的,并且因其功耗大、成本高、便携性差等缺点使得它在多种应用场合中受限,阻碍人脸识别应用的多样化。同时,由于嵌入式技术及其卷积神经网络加速引擎技术的发展,使嵌入式平台上进行人脸检测成为可能。本文基于HI3516硬件平台设计开发了人脸检测系统,首先设计人脸检测算法,然后移植到硬件平台上并进行二次开发。提出了基于MTCNN(Multi-task convolutional neural network)人脸检测优化算法,针对人脸误检问题,根据候选框的置信度差异引入判断阈值函数提高检测率,通过改进的多尺度输入将9尺度预测改为5个尺度来提高检测速率,经过训练得到27M模型,经仿真分析在实验数据集上取得96%平均精度。并在改进算法的基础上,利用海思NNIE(Neural Network Inference Engine)加速芯片对卷积计算速度进行二次优化,经优化后人脸检测平均速度从1.2秒提升到0.069秒,最后本文基于HI3516DV300硬件平台对人脸检测算法进行测试分析。测试结果表明人脸检测系统在运行中能保持较高的检测率和检测速度,符合实验预期,因此本文设计的检测系统有一定应用参考价值。

关键词： LED   机器视觉   STM32   光源质量   嵌入式系统  

摘要： 随着科技的进步,我国纺织行业在质量检测方面逐步通过结合嵌入式和机器视觉技术来提升传统行业的整体升级。应用机器视觉技术代替传统人工进行检测,光源照明系统部分的设计起着相当重要的作用。因为在适应实际需求的光源照射下,相机所采集到的图像质量更高,这对节约成本和后期图像处理工作都有直接影响。伴随工业自动化的飞速发展,对光源提出了更严格的要求。由此可知,对光源控制相关的设计有着广阔的应用前景和重要的研究价值。分析研究光源在机器视觉系统中应用的特点,针对纺织行业对检测质量的要求,在嵌入式系统设计原理的基础之上,设计实现自适应光源控制系统。LED作为新一代光源,因具有各种优势已经被应用在机器视觉系统中。但也由于自身特性原因,导致必须与相应的控制系统配合工作,这也是光源技术研究的又一热点。通过分析光源应用要求,以STM32为控制核心,规划整体设计方案。在分析LED光源特性基础上,根据设计要求确定系统硬件平台,由多个面阵CCD工业相机和LED光源等为主体部分搭建硬件平台。并对主要硬件分析选型,然后进行相关参数的详细计算。对影响光源均匀性相关算法进行研究改进,结合仿真与实验,验证图像改进之后的效果。结合对光源的控制需要,实现各模块的电路相应功能,完成硬件平台设计。基于硬件平台,对光源控制系统软件部分进行设计。介绍开发环境,实现软件部分的相应功能,完成控制系统的整体设计。然后以实时检测到光源的光通量等光学参数值、提取到的图像信息特征和相机取像时的曝光时间等作为反馈。通过解析反馈的信息,根据所处实验环境,设定光源对应需要达到的标准,控制光源进行调光,从而实现光源自适应的目的。最后,综合试验设计搭建的光源控制系统实验平台。各个硬件在工作状态下基本可以稳定工作,软件部分可以在指令操作下做出正确的响应,并且软件中的各个功能均可达到预期要求。对不同被测物在光源照射条件下取像试验。结果表明被测物表面的光照度均匀性良好,图像中包含的信息特征明显。基本满足检测和后期处理对图像的要求。本文设计的光源控制系统满足了实际应用的需求,达到最初设计预期的性能指标,并为LED光源控制技术提供了一定的参考。

关键词： 舞台吊杆   轴控制器   嵌入式系统   LwIP   模糊PID   Qt  

摘要： 随着经济的快速发展和人们生活水平的提高,物质文明不断满足,人们的精神生活也在不断丰富,越来越多的文艺基础设施在各地兴建,而剧院作为舞台表演最重要的载体,其建设热潮在全国各地大规模涌现。同时,对于现代舞台机械也提出了更高的要求。舞台吊杆作为幕景、道具以及灯具的悬挂装置,是舞台表演最为重要的部分,是影响舞台表演效果的关键技术。因此,有针对性地研究、设计、开发舞台吊杆轴控制器,并将其应用于舞台吊杆控制系统中,实现舞台吊杆控制的先进控制及灵活组网,降低舞台设备控制系统成本,提高企业市场竞争力具有重要的实际应用价值和理论研究意义。本文针对舞台吊杆工艺要求及控制特点,研究开发具有不同网络接口的舞台吊杆轴控制器,采用研究开发的舞台吊杆轴控制器,设计舞台吊杆控制系统。同时,研究舞台吊杆控制系统的智能控制算法。主要研究内容如下:1)通过对舞台设备控制系统的现场实习及调研理解,在查阅国内外舞台控制技术的研究现状,分析了现有舞台设备控制技术要点,重点对现有大型舞台应用量大、影响舞台表演效果的舞台吊杆控制技术进行了分析研究,决定开发具有多种网络接口的舞台吊杆轴控制器。2)舞台吊杆轴控制器以STM32为主控制芯片,设计基于嵌入式系统的轴控制器,轴控制器具有以太网接口、RS-485接口、传感器接口等,替代现代普遍所采用的PLC作为控制中枢,不仅可以节省成本,而且其控制精度也有提高,可以方便扩展组网,灵活应用于舞台控制系统。轴控制器主要应用于对定速吊杆的控制,如果需要控制调速吊杆,可以下接变频器对吊杆调速,采用RS-485实现与轴控制器通信与数据交换,达到舞台控制系统的网络化、可视化控制。3)针对现代工业发展现状,各个厂商通信接口各个不同,无法实现共用的情况,采用以太网通信,分析Lw IP协议,用于轴控制器与PC之间的通信。在以后可以实现物联网与万物互联提供可能。轴控制器的操作系统使用现在最为稳定的μC/OS-Ⅲ操作系统,对于任务的执行更加高效,运行稳定。4)对于舞台吊杆的速度控制,由于舞台表演对于幕景及道具的升降要求比较高,为达到更好的舞台表演效果,采用模糊PID算法,提高了轴控制器的控制效率。相比于传统的PID调速,不仅速度更快,而且稳定性及准确性更好。最后通过Qt设计上位机监控软件,完成通过上位机控制吊杆的运动。

关键词： 车辆和行人检测   车载平台   神经网络   嵌入式系统   模型部署  

摘要： 随着我国经济发展,汽车保有量持续上升,交通事故也逐年递增,为减少交通事故造成人员伤亡和经济损失,相关部门制定规则强制要求营运客货车具备主动安全功能,车辆和行人检测作为其主要技术,行车环境下车辆和行人检测也作为智能汽车不可或缺的组成。与其他传感器相比摄像头更具优势,因此基于视觉的车辆和行人检测成为各大汽车厂商的首选方案。而目前由于车载平台下硬件性能的局限性,现阶段检测算法均难以实现精度和速度的结合,所以提高车载平台下车辆和行人检测精度和速度具有重要意义。本研究针对车载环境下车辆和行人检测任务所开展的工作:(1)概述卷积神经网络的基础知识,总结分析现有目标检测算法的原理及目标检测领域中应用到的评价指标,为本文车辆和行人检测算法提供理论基础。以检测精度和检测速度为指标,现有目标检测算法在嵌入式平台下难以实现车载视觉环境感知任务,针对车载平台提出一种快速车辆和行人检测(Fast Vehicle and Pedestrian Detection,FVPD)模型。(2)通过行车环境分析,总结车载视觉环境感知在外界环境和车载平台部署的难点。从行车视频中选取185363张图像以PASCAL VOC数据集格式制作数据集,按照60%、20%、20%比例划分训练集、验证集和测试集。设计FVPD模型输入并通过图像处理算法增强模型泛化能力。借鉴一阶段目标检测算法思想,以深度可分离卷积、残差网络融合卷积块注意力模块、空间金字塔池化、路径聚合网络和自适应空间特征融合为基础搭建FVPD模型,采用卷积神经网络直接预测目标信息。(3)通过将交并比作为距离公式改进K-means++聚类算法,从数据集中获取九组不同尺寸的锚点框。为提高FVPD模型对相互遮挡和临近目标检测精度,以CIo U和交叉熵作为FVPD模型的损失函数,通过引入中心距的非最大值抑制算法筛选冗余信息。制定FVPD模型训练策略,借助Tensorflow框架搭建并训练,得到模型权重。实验室环境下,从多方面对FVPD模型进行分析验证。(4)针对车载部署环境选取Jetson Xavier NX模块作为FVPD模型部署芯片,设计嵌入式系统硬件平台部署方案,仿照实验室软件环境进行模型部署,检测速度仅1.56帧/秒,无法满足实际车载视觉环境感知任务。优化FVPD模型部署方案,使用推理引擎Tensor RT在C++环境下以半精度方式部署。

关键词： 注意力机制   地面交通标志识别   模型量化   多线程流水线   嵌入式系统  

摘要： 随着人工智能、大数据、5G等前沿技术的加速应用,自动驾驶的发展对保证道路安全,提高交通效率具有重要意义。自动驾驶汽车首先要具备外界环境的检测认知能力,随后将信息整合传入决策系统控制行驶动作。车辆的自动驾驶依赖于地面交通标志带来的丰富路况信息,但在自然场景中复杂背景条件下完成地面交通标志识别存在众多挑战。采用传统算法会受限于环境与目标多样性的变化,而当前的车载计算设备也制约着算法的检测速度。为了解决自然场景中地面交通标志的多类识别问题,本文采用了轻量化的DAB-Net语义分割网络对地面交通标志进行识别。首先对DAB-Net结合注意力特征关联和多层信息融合提升网络性能。先后在DAB-Net上增加了Squeeze and Excitation通道注意力机制、Criss Cross水平和垂直空间注意力、Object Contextual Representations上下文信息融合与Mutilayers Information Fusion多层信息融合,使DAB-Net从像素空间、通道、层与层间三个维度重新整合特征之间的关联性。在增加少量的参数情况下有效的提升了网络的分割精度。为了让分割模型能够有效识别地面,选取分割精度最高的改进DAB-Net网络对百度地面交通标志数据进行自动标注,增加地面区域类别。采用基础DAB-Net网络将含有地面区域类别的地面交通标志数据进行训练,再将分割结果进行图像后续处理,完成14类主要地面交通标志识别。为了提高检测速度,本文将模型进行8位量化处理并设计了多线程并行流水线结构优化检测速度。最后将完整算法部署于Nvidia Jetson TX2与Xavier嵌入式系统中。本文先后在Cityscapes数据集、百度地面交通标志数据集、Nvidia Jetson TX2与Xavier平台上进行实验。实验表明,改进后的DAB-Net分割网络在Cityscapes数据集上精度达到了73.15%m Io U,比原网络提升3%,模型参数量仅为1.26M。在百度地面交通标志数据集上,14类主要地面交通标志分割精度为75.3%m Io U。经过模型量化与多线程部署优化后,在输入图像为1280×360时,PC机（1080Ti）的检测速度由42FPS提高到133FPS。在Nvidia Jetson TX2与Xavier嵌入式系统中实现的检测速度分别为12FPS和50FPS,在低功耗设备上具备实时检测的能力。本文进行了完整的方案设计与实现,对进一步的应用具有较好的参考价值。

关键词： RISC-V   人脸识别   嵌入式系统   卷积神经网络   模型轻量化  

摘要： 图像是人类获取信息的重要方式,图像识别在众多行业发挥着重要的作用。其中,人脸识别作为一种快速识别人类身份特征的方法,其应用较为广泛且应用场景更加集中于嵌入式端以及移动端。然而在人脸识别准确度不断提升的同时,人脸识别卷积神经网络模型也越来越复杂,因此人脸识别算法在硬件资源受限平台的部署成为了图像识别领域的研究热点。RISC-V指令集架构因其极简、模块化和可扩展性的特点,可以实现简单、灵活、低功耗的定制化设计。本课题建立了RISC-V嵌入式平台,并完成了两种轻量级的人脸识别算法的设计和部署,最终设计实现了基于RISC-V So C的人脸图像识别系统。首先本文结合人脸识别流程,以RISC-V内核作为主控核心在FPGA上设计实现了基于RISC-V So C的嵌入式人脸识别平台,并提出了一种视频降采样技术来解决嵌入式平台资源有限的问题,有效的提高了系统的资源利用率并增强了系统的可移植性。其次本课题结合目前主流的人脸识别算法设计了两种轻量级卷积神经网络模型。一种是开集人脸识别算法–Emfacenet,该网络以倒置残差结构为主体,并结合深度卷积、逐点卷积等高效的计算方式进一步减少网络层数及参数,还引入挤压和激励模块来增强通道之间的信息传递,从而确保神经网络在精度牺牲较小的情况下提升神经网络的识别速度。当识别精度保持在90.65%时,该神经网络在RISC-V嵌入式平台上的识别速度分别是ResNet50、MobileNetV3和Mobile FaceNets的56.65倍、2.09倍、3.41倍。另一种是闭集人脸识别方法–Mbfacenet,该网络同样以倒置残差结构为主体,相比于Emfacenet来说又额外引入了改进的非线性激活函数实现分段函数的线性拟合,进一步减少了神经网络中的复杂计算,并且在倒置残差网络之后引入了更轻量的ECA注意力模块,进一步保证了特征分类结果的准确性。当识别精度在保持在98%时,该神经网络在RISC-V嵌入式平台上的识别速度分别是Shuffle Net V2、Mobile Net V3、Efficient Net以及Mix Net的4.76倍、4.00倍、26.71倍、14.33倍。