一种变循环发动机气路故障诊断的硬件加速方法

本发明涉及人工智能领域，尤其涉及一种变循环发动机气路故障诊断的硬件加速方法。本发明基于变循环发动机在复杂工况下各个部件的压力与温度传感器数据，利用深度学习在大数据前提下对该数据进行分析学习，以便对变循环发动机气路故障进行诊断，可以为发动机故障诊断提供系统性方法。对于发动机气路故障诊断采用Delta方法的双向长短期记忆网络BiLSTM。与传统BiLSTM硬件加速相比，使用了Delta方法，又叫差值更新门方法，跳过部分时间步的计算，在进行矩阵乘法的运算时，减少了一般的计算量，将部署应用于FPGA的算法运行速度提高了一倍，从而有效提高了BiLSTM的网络推理速度。