典型文献
基于ZYNQ深度学习模型部署的锂电池健康预测
文献摘要：
为实现低成本、快速、高精度的电动汽车锂电池健康预测,提出一套基于深度学习模型和ZYNQ硬件平台的锂电池健康预测系统.首先,使用锂电池历史退化数据训练多层卷积神经网络模型,得到模型各层的权重;其次,采用动态精度数据量化策略对各层的模型参数进行量化,有效减少内存占用和带宽需求,进而提升硬件加速器的性能;然后,利用高层次综合工具实现了模型参数在ZYNQ硬件平台的嵌入和部署;最后,整套系统在Xilinx XC7020平台上进行验证.实验结果表明,该系统在实现高精度预测的同时,能够有效降低功耗、降低时延,满足车载条件下锂电池健康管理系统的嵌入式应用需求.
文献关键词：
锂电池;健康预测;深度学习模型;ZYNQ硬件平台
中图分类号：
作者姓名：
马贵君;冉少林;张泽
作者机构：
华中科技大学机械科学与工程学院,湖北武汉430074;华中科技大学人工智能与自动化学院,湖北武汉430074;亚马逊公司,美国西雅图98121
文献出处：
引用格式：
[1]马贵君;冉少林;张泽-.基于ZYNQ深度学习模型部署的锂电池健康预测)[J].控制工程,2022(02):294-299
A类：
XC7020
B类：
ZYNQ,深度学习模型,模型部署,锂电池,健康预测,电动汽车,硬件平台,预测系统,退化数据,数据训练,多层卷积神经网络,卷积神经网络模型,动态精度,数据量化,内存占用,带宽需求,硬件加速器,高层次综合,整套,Xilinx,精度预测,降低功耗,低时延,车载,健康管理系统,嵌入式应用,应用需求
AB值：
0.368445
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
