声明
摘要
1.1课题的研究背景与意义
1.2电能质量扰动识别的研究现状
1.2.1基于人工特征提取的电能质量扰动识别方法
1.2.2基于自动特征提取的电能质量扰动识别方法
1.3论文主要研究内容与章节安排
第二章深度学习原理及数据集构建
2.1深度神经网络
2.1.1深度神经网络的核心组件
2.1.2不同深度神经网络的适用场景
2.1.3深度学习的原理
2.2数据集
2.2.1电能质量复合扰动的数学模型
2.2.2电能质量复合扰动数据集的构建
2.3本章小结
第三章基于卷积神经网络的电能质量复合扰动识别方法
3.1卷积神经网络的设计准则与评估方法
3.1.1卷积神经网络的运算量评估方法
3.1.2卷积神经网络的存储资源开销评估方法
3.1.3实时卷积神经网络的设计准则
3.2基于二维卷积神经网络的识别方法
3.2.1基于语谱图的特征重构方法
3.2.2网络结构的设计
3.3基于一维卷积神经网络的识别方法
3.4网络实时性能评估
3.4.1所提两种模型之间的对比
3.4.2与其他深度学习方法之间的对比
3.5本章小结
第四章基于FPGA的算法加速器
4.1.1芯片简介
4.1.2设计方法
4.2算法加速器架构
4.2.1软硬件划分
4.2.2整体架构设计
4.3加速器运算模块设计
4.3.1卷积神经网络定点化
4.3.2定点数的运算方法
4.3.3卷积运算模块
4.3.4最大池化运算模块
4.3.5加速器内存排布方式
4.4运算模块性能测试
4.4.1卷积运算模块
4.4.2最大池化运算模块
4.5本章小结
第五章实验验证与结果分析
5.1基于GPU的模型训练与验证
5.1.1所提两种模型之间的对比
5.1.2与其他深度学习方法之间的对比
5.2嵌入式实时扰动识别平台搭建
5.2.1外围采集电路设计
5.2.2运算模块并行度选择
5.3基于平台的验证与分析
5.3.1识别精度
5.3.2实时性
5.3.3功耗
5.4本章小结
第六章总结与展望
附录
参考文献
致谢
攻读学位期间取得的成果和参加的科研项目
山东大学;