Mély neurális háló modul generátor
Deep Neural Network IP Generator
Keywords:
deep neural network, Field Programmable Gate Array, autonomous vehicle, model predictive control, mély neurális hálók, FPGA – logikai kapumátrix, autonóm járművek, modell prediktív szabályozásAbstract
Model predictive control (MPC) is a classic control strategy used to solve online optimization problems. The paper provides information about a developed deep neural network (DNN) tool - based control strategy for automated steering deployed on FPGA. The DNN model was designed and trained based on the behavior of the traditional MPC controller. The DNN model was implemented on FPGA using different data types. The obtained results show that the suggested DNN model provided a satisfactory performance and successfully imitated the behavior of the traditional MPC.
Kivonat
A modell prediktív szabályozás (MPC) klasszikus vezérlési stratégia, amelyet online optimalizálási problémák megoldására használnak. A cikk ismertet egy olyan eszközt, amelynek segítségével neurális hálók generálhatók (Deep Neural Network -- DNN), a generált DNN, MPC szabályozási irányítás FPGA-n történő megvalós1tásra használható. A DNN modellt a hagyományos MPC szabályzó viselkedése alapján jelen cikk szerzői fejlesztették ki. A DNN modellt FPGA-n valósították meg különböző adattípusok felhasználásával. A kapott eredmények azt mutatják, hogy a javasolt DNN modell kielégítő teljesítményt nyújtott, és sikeresen utánozta a hagyományos MPC viselkedését.
References
Best A, Narang S, Barber D, Manocha D. AutonoVi: Autonomous vehicle planning with dynamic maneuvers and traffic constraints. IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). doi: 10.1109/IROS.2017.8206087, 2017; 2629-2636.
Best A, Narang S, Barber D, Manocha D. AutonoVi: Autonomous vehicle planning with dynamic maneuvers and traffic constraints. IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). doi: 10.1109/IROS.2017.8206087, 2017; 2629-2636..
Swief A, El-Zawawi A, El-Habrouk M, and Eldin A. Approximate Neural Network Model for Adaptive Model Predictive Control. 6th Int. Comput. Eng. Conf. doi:10.1109/ICENCO49778.2020.9357373, 2020; 135-140.
Swief A, El-Zawawi A, El-Habrouk M, and Eldin A. Approximate Neural Network Model for Adaptive Model Predictive Control. 6th Int. Comput. Eng. Conf. doi:10.1109/ICENCO49778.2020.9357373, 2020; 135-140,
Lamouik I, Yahyaouy A, Sabri M. Deep neural network dynamic traffic routing system for vehicles. . doi:10.1109/ISACV.2018.8354012, 2018 International Conference on Intelligent Systems and Computer Vision (ISCV). 2018; 1-4.
Bin Khalid A, Liegmann E, Karamanakos P, Kennel R. High-Level Synthesis of a Long Horizon Model Predictive Control Algorithm for an FPGA. PCIM Europe digital days 2020; International Exhibition and Con-ference for Power Electronics, Intelligent Motion, Renewable Energy and Energy Management. 2020; 1-8
Singh V, Tripathi R, Hanamoto T. Implementation Strategy for Resource Optimization of FPGA-Based Adaptive Finite Control Set-MPC using XSG for a VSI System. IEEE J. Emerg. Sel. Topics in Power Electronics. 2021; 9(2): 2066-2078.
Ingole D Holaza J, Takács B, Kvasnica M. FPGA-Based Explicit Model Predictive Control for Closed-Loop Control of Intravenous Anesthesia. 20th International Conference on Process Control (PC). doi: 10.1109/PC.2015.7169936. 2015; 42-47.
