Project Engineering

本文设计了一种基于反向传播(back propagation,BP)神经网络的FPGA火灾检测系统,专门为储能电站早期火灾检测应用研发。该系统利用FPGA部署BP神经网络,通过对温度、烟雾浓度、气体浓度数据进行处理从而达到对火灾快速准确检测的效果。在BP神经网络的部署过程中,本文选取了8-5-1的网络结构,首先通过Matlab对网络进行训练和测试,训练迭代次数为5000次,最终训练集识别准确率达到了94.56%,测试集识别准确率达到了93.8%,由此看出其具有良好的网络性能,而后为了减少BP神经网络部署在FPGA上时的资源消耗并提高处理速度,本文利用定点数据量化和流水线结构减小计算的复杂度；对神经元节点计算采用并行结构并且对于Sigmoid激活函数利用三次方程多段拟合的方法,这提高了系统的处理速度。最终对于火灾信息的识别率为93.5%,单次识别时间为3.24μs。因此该系统具有良好的可靠性和实时性,在储能电站早期火灾的检测中具有广阔的应用前景。