一种存算一体芯片、控制方法技术

本发明专利技术公开了一种存算一体芯片和控制方法，所述方法：获取车辆周围的环境数据；在满足预设的安全等级时，第一神经网络单元根据输入的环境数据输出与多个环境的相似度；根据多个环境的相似度获取所述隐藏层的网络层级和所述隐藏层的神经元节点，所述输入层的多个神经元节点，所述输出层的多个神经元节点以及闭合的传输通道，第二神经网络根据所述多个环境的相似度输出控制指令。本申请提供了一种存算一体芯片，控制方法，解决上述自动驾驶车辆控制不能根据实际多变环境进行灵活调节，也不能满足不同客户的控制时效性和舒适性的要求的技术问题。术问题。术问题。

【技术实现步骤摘要】
一种存算一体芯片、控制方法


[0001]本申请涉及半导体集成电路领域，尤其涉及一种存算一体芯片、控制方法。

技术介绍

[0002]近年来，为了解决传统冯诺依曼计算体系结构瓶颈，存内计算芯片结构得到人们的广泛关注，其基本思想是直接利用存储器进行逻辑计算，从而减少存储器与处理器之间的数据传输量以及传输距离，降低功耗的同时提高性能。
[0003]现有自动驾驶的存算一体芯片结构一经定制，其电路结构即被固定下来，不能根据实际多变环境进行灵活调节，也不能满足不同客户的控制时效性和舒适性的要求。

技术实现思路

[0004]本申请提供了一种存算一体芯片、控制方法，解决上述自动驾驶车辆控制不能根据实际多变环境进行灵活调节，也不能满足不同客户的控制时效性和舒适性的要求的技术问题。
[0005]第一方面，本申请提供了一种存算一体芯片，应用于自动驾驶车辆，所述存算一体芯片包括：获取单元，获取车辆周围的环境数据；第一神经网络单元，在满足预设的安全等级时，根据输入的环境数据输出与多个环境的相似度；第二神经网络单元，所述第二神经网络单元包括输入层，多个隐藏层，输出层，所述输入层，输出层以及所述隐藏层分布包括多个神经元节点，所述输入层的多个神经元节点、所述隐藏层的多个神经元节点以及所述输出层的多个神经元节点依次通过传输通道连接，所述传输通道通过控制开关控制通断；根据多个环境的相似度获取所述隐藏层的网络层级和所述隐藏层的神经元节点，所述输入层的多个神经元节点，所述输出层的多个神经元节点以及闭合的传输通道，第二神经网络根据所述多个环境的相似度输出控制指令。
[0006]优选地，在训练第二神经网络时，包括：将多个环境的相似度作为输入数据集，将控制时间作为输出数据集，以控制时间和舒适性为评价函数，通过遗传算法寻找第二神经网络的网络结构，所述评价函数设置为：p＝w1A
‑ꢀ
w2B,其中：w1,w2为权重，A为舒适性，B为控制时长。
[0007]优选地，所述第一神经网络单元，在满足预设的安全等级时，根据输入的环境数据输出与多个环境的相似度；包括：
[0008]所述第一神经网络单元具有第二神经网络同样的网络结构；
[0009]根据预设条件来获取第一神经网络的网络结构，第一神经网络根据环境数据输出所述多个环境的相似度。
[0010]优选地，所述第一神经网络单元，在满足预设的安全等级时，根据输入的环境数据输出与多个环境的相似度；包括：判定单元，判定车辆与周围障碍的碰撞风险，根据不同的碰撞风险判定车辆所处的安全等级；紧急处理单元，在安全等级小于预设等级时，直接控制车辆进行紧急避险。
[0011]优选地，所述存算一体芯片包括：所述传输通道的数量大于存算一体芯片的通道的数量时，
[0012]两个传输通道的数据进行拼接，得到拼接后的待处理数据；运算单元，可通过一个处理批次完成对拼接后的待处理数据的处理。
[0013]本专利技术提供一种控制方法，应用于自动驾驶车辆，获取车辆周围的环境数据；在满足预设的安全等级时，第一神经网络单元根据输入的环境数据输出与多个环境的相似度；根据多个环境的相似度获取所述隐藏层的网络层级和所述隐藏层的神经元节点，所述输入层的多个神经元节点，所述输出层的多个神经元节点以及闭合的传输通道，第二神经网络根据所述多个环境的相似度输出控制指令。
[0014]优选地，所述在满足预设的安全等级时，第一神经网络单元根据输入的环境数据输出与多个环境的相似度；包括：
[0015]判定车辆与周围障碍的碰撞风险，根据不同的碰撞风险判定车辆所处的安全等级；
[0016]在安全等级小于预设等级时，直接控制车辆进行紧急避险。
[0017]优选地，所述传输通道的数量大于存算一体芯片的通道的数量时，
[0018]两个传输通道的数据进行拼接，得到拼接后的待处理数据；运算单元，可通过一个处理批次完成对拼接后的待处理数据的处理。
[0019]本专利技术通过将多个环境的相似度获取所述隐藏层的网络层级和所述隐藏层的神经元节点，以及闭合的传输通道，第二神经网络根据输入的环境相识度输出控制指令，可以根据不同的环境来变换不同的第二神经网络结构，从而可以达到最佳控制的方式，缩短的控制的时间，也提高了控制的精度，提高了环境的适应能力，另外，通过第一神经网络和第二神经网络的配合，可以进一步提高控制的传输速度，进一步缩短了自动驾驶的控制的时间，另外，将自动驾驶中的环境识别和决策模块集成到一个芯片，即第一神经网络和第二神经网络一个芯片，可以提高芯片的可靠性，可以进一步降低损坏风险，即提高了自动驾驶车辆的可靠性。
附图说明
[0020]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0021]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0022]图1为本专利技术存算一体芯片的结构图；
[0023]图2为本专利技术存算一体芯片的另外一个结构图；
[0024]图3为本专利技术控制方法的流程图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基
于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0026]需要说明，本专利技术实施例中所有方向性指示(诸如上、下、左、右、前、后
……
)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
[0027]另外，在本专利技术中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。
[0028]第一方面，本专利技术公开了一种存算一体芯片，应用于自动驾驶车辆，如图1
‑
2所示，存算一体芯片包括：获取单元，获取车辆周围的环境数据；第一神经网络单元，在满足预设的安全等级时，根据输入的环境数据输出与多个环境的相似度；
[0029]第二神经网络单元，所述第二神经网络单元包括输入层，多个隐藏层，输出层，所述输入层，输出层以及所述隐藏层分布包括多个神经元节点，所述输入层的多个神经元节点、所述隐藏层的多个神经元节点以及所述输出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种存算一体芯片，应用于自动驾驶车辆，其特征在于，所述存算一体芯片包括：获取单元，获取车辆周围的环境数据；第一神经网络单元，在满足预设的安全等级时，根据输入的环境数据输出与多个环境的相似度；第二神经网络单元，所述第二神经网络单元包括输入层，多个隐藏层，输出层，所述输入层，输出层以及所述隐藏层分布包括多个神经元节点，所述输入层的多个神经元节点、所述隐藏层的多个神经元节点以及所述输出层的多个神经元节点依次通过传输通道连接，所述传输通道通过控制开关控制通断；根据多个环境的相似度获取所述隐藏层的网络层级和所述隐藏层的神经元节点，所述输入层的多个神经元节点，所述输出层的多个神经元节点以及闭合的传输通道，第二神经网络根据所述多个环境的相似度输出控制指令。2.根据权利要求1所述的存算一体芯片，其特征在于，在训练第二神经网络时，包括：将多个环境的相似度作为输入数据集，将控制时间作为输出数据集，以控制时间和舒适性为评价函数，通过遗传算法寻找第二神经网络的网络结构，所述评价函数设置为：p＝w1A
‑
w2B,其中：w1,w2为权重，A为舒适性，B为控制时长。3.根据权利要求1或2所述的存算一体芯片，其特征在于，所述第一神经网络单元，在满足预设的安全等级时，根据输入的环境数据输出与多个环境的相似度；包括：所述第一神经网络单元具有第二神经网络同样的网络结构；根据预设条件来获取第一神经网络的网络结构，第一神经网络根据环境数据输出所述多个环境的相似度。4.根据权利要求3所述的存算一体芯片，其特征在于，包括：所述...

【专利技术属性】
技术研发人员：黄柱光，张波，
申请(专利权)人：深圳市芯存科技有限公司，
类型：发明
国别省市：