[發明專利]一種實時在線飛行器AI神經網絡系統

在審

• 申請號: 201910357020.7
• 申請日: 2019-04-29
• 公開（公告）號: CN110135561A
• 公開（公告）日: 2019-08-16
• 發明（設計）人: 張英;王世會;韋閩峰;王嘉賢;高曉穎;趙雄波;楊喆;鄭文娟;陳偉;周輝;吳松齡;秦東輝;李毅;郭城;王婧;曹健;張興;張繼生;蔡燕斌;汪冬瑾;江存勝;劉建敬;趙一飛;戚紅向;馬征;趙星宇;孫德勝;楊俊峰;司文杰;黃如意;呼吁;王琦;陳紅巖;周華;韓利軍;楊廣慧;馮麗;許琦;李悅;張輝;李曉東;李德強;野超
• 申請（專利權）人: 北京航天自動控制研究所;中國運載火箭技術研究院
• 主分類號: G06N3/04
• 分類號: G06N3/04
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 馬全亮

1.一種實時在線飛行器AI神經網絡系統，其特征在于包括i+1層神經網絡單元，每層神經網絡單元均包括若干交替進行的卷積定點滑動IP核和池化壓縮量化IP核，卷積定點滑動IP核對輸入的數據進行卷積處理，池化壓縮量化IP核進行降低數據率處理以及特征提??；外部輸入的第一路傳感器信號對應飛行器優先級最高的主慣導數據，單獨輸入一層神經網絡單元中，經過該層神經網絡單元中第一個卷積定點滑動IP核處理和第一個池化壓縮量化IP核處理后的輸出，作為控制所有i+1層神經網絡單元中第二次卷積定點滑動IP核的輸入；

所有i+1層神經網絡單元的最終處理結果均輸入到全連接壓縮融合IP核進行處理，實現目標識別，所述全連接壓縮融合IP核的輸出即為AI神經網絡系統的輸出；i是傳感器數量的一半向下取整。

2.根據權利要求1所述的一種實時在線飛行器AI神經網絡系統，其特征在于：神經網絡單元的層數具體為：

當只有1個傳感器輸入時，層數＝1；

當有2個以上傳感器輸入時，層數＝i+1。

3.根據權利要求1所述的一種實時在線飛行器AI神經網絡系統，其特征在于：外部輸入的第一路傳感器信號，輸入到第一層神經網絡單元中；第二路和第三路傳感器信號均送入第二層神經網絡單元中，第四路和第五路傳感器信號均送入第三層神經網絡單元中，以此類推，當傳感器數量為奇數時，第2i路和第2i+1路傳感器信號均送入第i+1層神經網絡單元中；當傳感器數量為偶數時，第2i路傳感器信號送入第i+1層神經網絡單元中。

4.根據權利要求1所述的一種實時在線飛行器AI神經網絡系統，其特征在于：卷積定點滑動IP核對數據進行卷積運算，卷積定點滑動IP核中包括2條緩存器，1條為權值緩存器，用于存儲權值，1條為數據緩存器，用于存儲傳感器輸入處理后的數據；

將權值緩存器存儲量化為2的指數次冪的固定權值，數據緩存器按時鐘周期移位緩存輸入數據；權值緩存器大小為CC乘以CR，數據緩存器大小為(CR-1)×IC+CC，其中，CC為卷積核列數，CR為卷積核行數，IC為輸入特征數列數；

權值緩存器對應一組移位乘操作，每組移位乘操作個數同權值緩存器的深度；按時鐘完成數據緩存器移動，然后將數據緩存器和權值緩存器的對應單元進行移位乘操作。

5.根據權利要求4所述的一種實時在線飛行器AI神經網絡系統，其特征在于：卷積定點滑動IP核中包括加法器，用于累加移位乘操作結果和預設偏移參數；加法器個數＝移位乘操作個數+1，加法器中包括與移位乘操作一一對應的部分，額外的1個加法器用于累加偏移參數。

6.根據權利要求5所述的一種實時在線飛行器AI神經網絡系統，其特征在于：卷積定點滑動IP核中包括一個多路選擇器，用于模擬激活函數，輸入為所有加法器累加計算后的結果，輸出為卷積定點滑動IP核的結果。

7.根據權利要求1所述的一種實時在線飛行器AI神經網絡系統，其特征在于：池化壓縮量化IP核對輸入數據進行降低數據率處理以及特征提取，包括緩存器，具體為：

將卷積定點滑動IP核處理輸出的特征圖數據讀入池化壓縮量化IP核緩存器中，池化壓縮量化IP核的緩存器為移位緩存器。

8.根據權利要求7所述的一種實時在線飛行器AI神經網絡系統，其特征在于：池化壓縮量化IP核包括比較器，具體為：

將緩存器中存儲的數據輸入到比較器中進行數值比較，比較器的輸出為數據壓縮后的結果，該結果即為池化壓縮量化IP核的處理結果，比較器的處理在一個時鐘周期內完成。

9.根據權利要求8所述的一種實時在線飛行器AI神經網絡系統，其特征在于：當輸入特征圖數據持續流入緩存器時，實現了池化壓縮量化IP核的滑動平移池化，池化壓縮量化IP核的第一個輸出結果為有效數據，下CC-1個結果為無效數據，第CC個輸出結果為有效數據，下2CC-1個結果為無效數據，以此類推，并且將最終得到的所有有效數據進行2的指數次冪定點縮減量化更新。