現代空間飛行器必須持續監控遙測數據,并檢測或預測傳感器數據中的任何異常行為。由于從機載傳感器接收到的數據維度高且數據量大,基于閾值的監控等傳統方法顯得捉襟見肘。軌道衛星的環境具有高度動態性,這也使得識別異常指標充滿挑戰性。
為了克服這些挑戰,空中客車防務與航天公司 Airbus 決定開發用于故障檢測、隔離和還原 (FDIR) 的機載系統,以實現異常檢測深度學習模型。 空中客車發現,FPGA 以其高性能、長壽命成為機載航天器系統的理想平臺。FPGA 可重新編程,能夠耐受空間輻射,并可設計成低功耗器件。
然而,對于此級別的時間關鍵型任務,使用資源有限的 FPGA 實現深度學習模型,可能是一項巨大的挑戰。 空中客車的設計團隊選擇使用 Deep Learning HDL Toolbox 來生成 MATLAB 深度學習處理器 IP 核作為人工智能加速器。該工作流支持使用 FreeRTOS 作為操作系統。
為了進行測試,空中客車使用了 AMD Zynq UltraScale+ MPSoC ZCU102 板以及長短期記憶 (LSTM) 模型,該模型是基于一組相關的遙測參數訓練的。
此外,更新 LSTM 模型不需要對 FPGA 重新編程,因為只需重新編譯更新后的模型并將其下載到深度學習處理器中。
“從本質上講,MATLAB 深度學習處理器 IP 核與平臺無關。這使其能夠被集成到可通過太空認證的實時操作系統中。我們面臨的一大挑戰是開發與之交互的應用,而在這一方面,MathWorks 提供了很多支持?!?/strong>
—— Andreas C. Koch,空中客車機載軟件工程師
在 TensorFlow 中訓練的 LSTM 模型導入 MATLAB 中?;谶@些模型,該團隊針對性能和資源使用情況,對深度學習處理器配置進行了優化。此后,他們使用 HDL Coder 將深度學習處理器 IP 核生成為獨立于目標的可綜合 HDL 代碼,并通過 AXI 接口將其集成到空中客車的參考設計中。
然后,工程師使用基于 Python 的工作流對深度學習處理器進行編程,并從 AMD Zynq MPSoC 上的 Arm 處理器觸發它。
在硬件板上針對運行衛星上檢測到的異常來測試 FDIR 系統時,深度學習處理器能夠在可靠工作的同時,滿足吞吐量和功耗的要求??罩锌蛙囉媱澰趯淼暮教炱魃喜渴鸹?FPGA 的 FDIR 系統。
基于 FPGA 的深度學習網絡檢測到的真實異常。
▼ 空客Airbus 取得的關鍵成果
開發了基于 MATLAB 的工作流,用于在 FPGA 上進行深度神經網絡的快速原型構建和驗證,從而實現硬件、系統和深度學習工程師之間的協作
與基于閾值的傳統方法相比,更早地檢測到潛在的衛星故障模式
生成了深度學習處理器,可供任何采用 FreeRTOS 或其他操作系統的 FPGA 供應商使用和部署
可以在板上更新深度學習模型,而不需要對 FPGA 重新編程
▼空客 Airbus 使用到的產品
MATLAB
Deep Learning HDL Toolbox
Deep Learning Toolbox
HDL Coder
審核編輯:劉清
-
處理器
+關注
關注
68文章
18304瀏覽量
222350 -
FPGA
+關注
關注
1603文章
21331瀏覽量
593388 -
matlab
+關注
關注
175文章
2924瀏覽量
228470 -
空中客車
+關注
關注
2文章
108瀏覽量
15541 -
深度學習
+關注
關注
73文章
5240瀏覽量
119936
原文標題:異常檢測 | 空中客車使用 MATLAB 設計基于 FPGA 的機載深度學習處理器
文章出處:【微信號:MATLAB,微信公眾號:MATLAB】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論