現(xiàn)代空間飛行器必須持續(xù)監(jiān)控遙測數(shù)據(jù)，并檢測或預測傳感器數(shù)據(jù)中的任何異常行為。由于從機載傳感器接收到的數(shù)據(jù)維度高且數(shù)據(jù)量大，基于閾值的監(jiān)控等傳統(tǒng)方法顯得捉襟見肘。軌道衛(wèi)星的環(huán)境具有高度動態(tài)性，這也使得識別異常指標充滿挑戰(zhàn)性。

為了克服這些挑戰(zhàn)，空中客車防務(wù)與航天公司 Airbus 決定開發(fā)用于故障檢測、隔離和還原 (FDIR) 的機載系統(tǒng)，以實現(xiàn)異常檢測深度學習模型。 空中客車發(fā)現(xiàn)，FPGA 以其高性能、長壽命成為機載航天器系統(tǒng)的理想平臺。FPGA 可重新編程，能夠耐受空間輻射，并可設(shè)計成低功耗器件。

然而，對于此級別的時間關(guān)鍵型任務(wù)，使用資源有限的 FPGA 實現(xiàn)深度學習模型，可能是一項巨大的挑戰(zhàn)。 空中客車的設(shè)計團隊選擇使用 Deep Learning HDL Toolbox 來生成 MATLAB 深度學習處理器 IP 核作為人工智能加速器。該工作流支持使用 FreeRTOS 作為操作系統(tǒng)。

為了進行測試，空中客車使用了 AMD Zynq UltraScale+ MPSoC ZCU102 板以及長短期記憶 (LSTM) 模型，該模型是基于一組相關(guān)的遙測參數(shù)訓練的。

此外，更新 LSTM 模型不需要對 FPGA 重新編程，因為只需重新編譯更新后的模型并將其下載到深度學習處理器中。

“從本質(zhì)上講，MATLAB 深度學習處理器 IP 核與平臺無關(guān)。這使其能夠被集成到可通過太空認證的實時操作系統(tǒng)中。我們面臨的一大挑戰(zhàn)是開發(fā)與之交互的應(yīng)用，而在這一方面，MathWorks 提供了很多支持?！?/strong>