商用大型飞机飞行数据异常检测存在实时性要求高、检测点多等难点,使用传统时间序列处理软件存在处理时间长等缺点.本文提出基于可编程阵列芯片(FPGA)的门控循环单元(GRU)异常检测神经网络,对飞行振动数据源做时间序列分析异常检测.为满足高频采样数据的实时处理要求,对GRU的实现进行了多方面并行加速优化.一是提出一种结构化的并行优化方法.将权重参数保存在FPGA片上内存中并对数组做维度上的切割,使权重参数能在列维度上并行读取,配合对矩阵向量乘法的并行计算优化,实现GRU网络的高效计算效率.二是优化GRU网络激活函数的计算方式.使用片上内存做查找表,以流水线方式大幅减少了激活函数操作的延时和计算资源消耗.三是对GRU网络的数据通路做调整.通过优化计算顺序,消除了两组矩阵向量乘法的依赖关系,将关键延时降低了40%.测试结果表明提出的GRU飞行异常检测FPGA硬件加速器达到了高吞吐率10.33GFLOPS和低功耗2.532 w.
展开▼
