ypc
f809d5e96f
- docs/: 学习资料索引(7份, 涵盖驱动/DTS/AMP/应用层/实时性/STM32/硬件) - learn/CAN/: 电力二次设备CAN协议栈(v2.0, 含帧编解码/XML配置/突发队列) - learn/NPU/: NPU波形故障识别部署指南(5份, 含训练/转换/推理/CAN整合) - learn/AMP-vs-LinuxRT/: 实时方案对比分析 - memory/: Claude Code 记忆文件 - CLAUDE.md: 仓库指导文件 Co-Authored-By: Claude <noreply@anthropic.com> |
||
|---|---|---|
| .. | ||
| code | ||
| 01-NPU硬件与驱动基础.md | ||
| 02-模型训练与导出.md | ||
| 03-RKNN模型转换与量化.md | ||
| 04-板端推理部署.md | ||
| 05-与CAN协议栈整合.md | ||
| README.md | ||
README.md
RK3568 NPU 电力波形故障识别 — 完整部署指南
概述
本指南覆盖从 PyTorch 模型训练到 RK3568 板端推理的完整链路，专为电力二次保护设备场景设计。
为什么用 NPU 做波形故障识别？
| 方案 | 推理延迟 | 功耗 | 开发复杂度 |
|---|---|---|---|
| CPU (Cortex-A55) 纯软件推理 | 20~50ms | 高 | 低 |
| NPU 硬件加速 | 1~3ms | 极低 | 中 |
RK3568 内置 1 TOPS NPU (INT8)，专为卷积神经网络优化。电力波形是 1D 时序信号——用 1D-CNN 提取特征，NPU 做推理，完全匹配。
与 CAN 协议栈的整合
录波数据 → 滑动窗口 → NPU 推理 → 故障分类结果
│
┌────────────────────────────────┘
▼
CAN 协议栈 (learn/CAN/) → 突发上送队列 (PRIO_BURST) → 数据中心
文档导航
| 序号 | 文档 | 核心内容 |
|---|---|---|
| 01 | NPU 硬件与驱动基础 | NPU 架构、驱动加载、npu_transfer_proxy、基本验证 |
| 02 | 模型训练与导出 | 1D-CNN 设计、数据准备、PyTorch 训练、ONNX 导出 |
| 03 | RKNN 转换与量化 | RKNN-Toolkit2 安装、配置、校准量化、精度验证 |
| 04 | 板端推理部署 | C API 加载模型、预处理、推理循环、结果解析 |
| 05 | 与 CAN 协议栈整合 | 故障编码映射、突发上送、录波文件召唤触发 |
硬件信息
- SoC: RK3568，NPU 算力 1 TOPS (INT8)
- NPU 架构: 3 个 NPU 核心（可并行），每个核心含 MAC 阵列 + 卷积加速器
- 支持精度: FP16 / INT8 / INT16
- 支持算子: Conv2D, DepthwiseConv, FC, Pooling, Concat, Reshape, Softmax 等（详见 RKNN 算子支持列表）
仓库中的已有资料
| 资料 | 路径 |
|---|---|
| Rockchip NPU 开发文档 | TL3568-EVM.../6-开发参考资料/Rockchip官方参考文档/Common/NPU/ |
| NPU 开发案例手册 | TL3568-EVM.../3-用户手册/2-13-NPU开发案例.pdf |
| YOLOv5 目标检测 Demo | TL3568-EVM.../4-软件资料/Demo/platform-demos/yolov5_object_detect/ |
| RKNN API Demo | SDK 中包含 external/rknn-toolkit2/ |