收稿日期:2023－04－21基金项目:陕西省教育科学“十三五”规划2020年度课题(SGH20Y1631);西安交通工程学院中青年基金项目(2022KY－35)第一作者:李宁宁(1987—)，女，甘肃庆阳人，本科，讲师，研究方向为轨道车辆结构修造。基于时间递归神经网络的轨道车辆自检系统设计李宁宁1，师玲萍2(1．西安交通工程学院机电学院，陕西西安710300;2．西安铁路职业技术学院机电学院，陕西西安710026)摘要:针对轨道车辆内部复杂的信号和多样化的故障类型，为提高故障自检的快速性和有效性，设计了一种基于时间递归神经网络的轨道车辆自检系统，此系统中包含了基于FPGA的神经网络加速器、信号处理芯片、通信模块和传感器。加速器是利用时间递归神经网络LSTM作为自检系统内部智能化神经网络模型，采用剪枝、量化和编码等方式对模型进行了轻量化压缩，最后设计相应的加速器部署在自检系统中，同时完成了LSTM网络轻量化压缩实验和神经网络加速器实验。实验结果表明，自检系统的神经网络压缩算法的设计虽然使模型准确率下降了12．1%，但是压缩率可达7．1%;加速器部分在FPGA部署时仅占用了1．28%的硬件存储资源，性能则可以达到200MHz，吞吐率为19．39GOPS。关键词:轨道车辆;故障检测;神经网络;LSTM;模型压缩;硬件加速;FPGA中图分类号:TP311．52文章编号:1000－0682(2023)04－0058－06文献标识码:ADOI:10．19950/j．cnki．cn61－1121/th．2023．04．011Designofrailvehicleself－testsystembasedontimerecursiveneuralnetworkLINingning1，SHILingping2(1．SchoolofMechanical＆ElectricalEngineering，Xi＇anTrafficEngineeringInstitute，ShaanxiXi＇an710300，China;2．SchoolofMechanicalandElectricalEngineering，Xi＇anＲailwayVocational＆TechnicalInstitute，ShaanxiXi＇an710026，China)Abstract:Inordertoimprovetherapidityandeffectivenessoffaultself－detection，arailvehicleself－detectionsystembasedontimerecursiveneuralnetworkisdesigned，whichincludesneuralnetworkaccelerator，signalprocessingchip，communicationmoduleandsensorbasedonFPGA．TheacceleratorusesthetimerecursiveneuralnetworkLSTMastheinternalintelligentneuralnetworkmodeloftheself－checkingsystem．Themodelislightweightcompressedbymeansofpruning，quantizationandcoding．Fi-nally，thecorrespondingaccelerationcircuitisdesignedanddeployedontheaccelerator，...
