一种实时系统可用时间快速估算与优化方法技术方案

本发明专利技术公开了一种实时系统可用时间快速估算与优化方法，包括以下步骤：首先，根据静态软错误故障率模型获得样本数据。接着，利用样本数据训练BP神经网络模型作为动态软错误故障率模型。然后，根据动态软错误故障率模型进一步建立平均无临时故障时间模型，结合平均无永久故障时间模型，获得系统可用时间模型，实现系统可用时间估算。最后，定义系统可用时间优化问题，对Q‑learning算法中一系列参数建模后，解决优化问题，达到优化系统可用时间目标。

【技术实现步骤摘要】
一种实时系统可用时间快速估算与优化方法
本专利技术涉及实时系统中实时系统可靠性领域，综合考虑了软错误可靠性和硬错误可靠性两种不同的可靠性，针对软错误故障率选择合适的参数，利用机器学习中的BP神经网络训练软错误动态模型，进一步估算平均无临时故障时间MTTFT，结合硬错误可靠性影响的平均无永久故障时间MTTFP，最终获得系统可用时间MTTFSystem。为优化系统可用时间，通过强化学习中Q-learning算法调整任务集运行电压，使得系统可用时间收敛于较优的状态，同时考虑系统的时间约束条件，最终确定任务集执行电压，达到满足约束条件下优化系统可用时间的目标。具体来说，是一种利用BP神经网络加快估算系统可用时间和利用Q-learning算法确定电压调整方案优化系统可用时间的方法。
技术介绍
实时系统指能够及时响应系统外部或者内部、同步或者异步事件，在指定时间期限内处理完事件的计算机系统。实时系统的计算结果在满足正确性的同时，还需要满足及时性，即需要在规定的时间内完成对事件的处理。系统的可靠性定义为在故障可能发生的情况下正确运行的概率，当故障率越来越高时，系统的可靠性随之下降。所述系统指处理器本文档来自技高网...

【技术保护点】
一种实时系统可用时间快速估算与优化方法，其特征在于该方法包括以下步骤：步骤1：静态软错误故障率模型建立；步骤2：利用静态软错误故障率模型建立样本，训练BP神经网络作为动态软错误故障率模型；步骤3：在动态软错误故障率模型基础上进一步建立平均无临时故障时间模型MTTFT，结合平均无永久故障时间模型MTTFP，建立系统可用时间模型MTTFSystem；步骤4：建立优化系统可用时间方法，优化系统可用时间。

【技术特征摘要】
1.一种实时系统可用时间快速估算与优化方法，其特征在于该方法包括以下步骤：步骤1：静态软错误故障率模型建立；步骤2：利用静态软错误故障率模型建立样本，训练BP神经网络作为动态软错误故障率模型；步骤3：在动态软错误故障率模型基础上进一步建立平均无临时故障时间模型MTTFT，结合平均无永久故障时间模型MTTFP，建立系统可用时间模型MTTFSystem；步骤4：建立优化系统可用时间方法，优化系统可用时间。2.如权利要求1所述的估算和优化系统可用时间方法，其特征在于所述步骤1具体包括：步骤A1：设备层次静态软错误故障率模型的建立其中：Constant为常数，其值为2.2*10-5，Flux为环境中中子通量的大小，Area为设备对软错误故障敏感区域面积，为通过注入电流实验确定不同设备的临界电荷，Qcoll为由CMOS制造工艺确定的电荷收集效率；步骤A2：系统层次静态软错误故障率模型的建立其中：SERsystem为系统软错误故障率，为各类设备软错误故障率，这里设备种类分为静态存储器(SRAM)、锁存器(Latch)、逻辑门电路(LogicGate)三类，AVFi为各类设备的架构易损参数，ωi为SERcomponent占SERsystem的比重，这里用三类设备数目与设备总数目的比值描述ωi。3.如权利要求1所述的估算和优化系统可用时间方法，其特征在于所述步骤2具体包括：步骤B1：根据静态软错误故障率模型建立样本系统的临界电荷由三类设备临界电荷的平均值共同决定，公式如下：其中：为三类设备临界电荷的平均值，ωi为三类设备数目与设备总数目的比值。在动态环境中，系统软错误故障率SERsystem由系统的临界电荷系统环境中中子通量Flux，系统操作电压Voltage和温度Temperature四个参数决定；系统的软错误故障率与中子通量Flux成正比例关系，中子通量Flux越高，系统的软错误故障率越高；系统的软错误故障率与电压Voltage成反比例关系，电压Voltage越高，系统的软错误故障率越低，反比例关系由设备的CMOS制造工艺决定；系统的软错误故障率与温度Temperature成正比例关系，温度Temperature越高，系统的软错误故障率越高；不同的临界电荷中子通量Flux，系统操作电压Voltage和温度Temperature四个参数决定该组合情况下系统的软错误故障率SERsystem，这五个参数作为一个样本；利用静态软错误故障率模型建立多组样本；步骤B2：利用样本建立动态软错误故障率模型BP神经网络分为三层：输入层、隐含层、输出层，输入层包含四个神经元节点，分别为系统的临界电荷系统环境中中子通量Flux，系统操作电压Voltage和温度Temperature；输出层包含一个神经元节点，为系统的软错误故障率；隐含层节点个数根据经验公式确定：其中h为隐含层神经元节点个数，i为输入层神经元节点个数，o为输出层神经元节点个数，a为1～10之间任意常数；确定完BP神经网络拓扑结构，输入层、隐含层、输出层的节点个数后，利用静态软错误故障率样本训练BP神经网络，获得动态软错误故障率模型。4.如权利要求1所述的估算和优化系统可用时间方法，其特征在于所述步骤3具体包括：步骤C1：任务集模型的建立：其中：n为任务集中独立任务的个数；每个任务τi(1≤i≤n)表示为一个三元组：τi＝(ci，pi，di)；其中ci是任务在系统最大频率下的执行时间，pi是任务周期，即每经过个pi时间单元释放一个该任务，di是任务的相对截止时间；步骤C2：任务执行时间模型的建立：ti＝ci/fi其中：ti为任务τi在频率为fi时的执行时间，fi(fmin≤fi≤fmax)为处理器的操作频率，频率以fmax为标准进行归一化处理，频率值范围为[0，1]，fmin为处理器最小操作频率，fmax为处理器最大操作频率，ci为任务τi在最大频率fmax下执行时间；步骤C3：不同频率下软错误故障率模型的建立根据步骤B2训练完的动态软错误故障率模型，在确定完临界电荷系统环境中中子通量Flux和温度Temperature三个参数后，输入不同的电压vi后，输出相应的软错误故障率，由于fi＝μ·vi，即系统频率和电压呈正比例，利用动态软错误故障率模型可以获得不同频率下系统的软错误故障率，当频率为fi时系统的软错误故障率为λ(fi)；步骤C4：任务τi临时故障可靠性模型的建立：任务τi临时故障可靠性模型为：其中：λ(fi)为操作频率fi时的软错误故障率，ci为任务τi在最大频率fmax下执行时间，fi为处理器的操作频率；步骤C5：任务集临时故障率模型的建立：其中：Ri为任务τi在执行频率为fi时的临时故障可靠性；步骤C6：平均无瞬时故障的时间MTTFT模型的建立：其中：为任务集总的执行时间，为首次故障发生在任务集的第一轮执行中的期望时间；步骤C7：平均无永久故障时间MTTFP模型的建立：

【专利技术属性】
技术研发人员：魏同权，梁文彬，周俊龙，鞠芊蕾，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：上海,31