[发明专利]一种实时系统可用时间快速估算与优化方法

说明书

本发明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。

技术领域

本发明涉及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MTTF_T，结合硬错误可靠性影响的平均无永久故障时间MTTF_P，最终获得系统可用时间MTTF_System。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。

背景技术

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。所述系统指处理器系统。随着用户对微处理器性能要求的不断提高，同时半导体CMOS制造工艺的飞速发展，微处理器复杂度也相应增大。微处理器晶体管数目和集成度持续增加，晶体管栅极长度持续缩小，使得电路系统很容易受到电磁干扰、瞬时电压扰动、高能粒子撞击的影响，发生软错误。软错误一般指由于高能粒子撞击在半导体中造成的随机、临时的状态改变或瞬变。软错误的发生使得系统软错误可靠性降低。同时，系统可靠性还受到硬错误的影响。硬错误一般指由于晶体管或者系统设备硬件损坏造成的永久故障。硬错误的发生使得系统硬错误可靠性降低。系统的正常运行需要维持一定的功耗密度，过高的运行电压会使得系统老化加速，使得硬错误提前发生，导致硬错误可靠性降低。由于系统可靠性同时受到软错误可靠性和硬错误可靠性的影响，因此需要同时考虑两者，以平均无故障时间(Mean Time ToFailure，MTTF)定义系统的可用时间，衡量系统整体可靠性的好坏，软错误可靠性影响系统平均无临时故障时间 MTTF_T(MTTF due to Transient Fault)，硬错误可靠性影响系统平均无永久故障时间 MTTF_P(MTTF due to Permanent Fault)，系统可用时间取决于平均无临时故障时间和平均无永久故障时间中的较小值。

由于硬错误可靠性可以利用Xiang等人提出的工具或者其他模型较好地计算，着重考虑高能粒子撞击影响的软错误可靠性。软错误可靠性可以用软错误故障率来衡量。Ebrahimi等人提出了一种跨层软错误故障率模型，能够静态地计算出某个条件下系统的软错误故障率的数值，但是在例如飞机这样一个实时系统中，设备的临界电荷Q_crit，环境中中子通量Flux、电压Voltage和温度Temperature等因素是动态变化的，因此需要研究动态条件下系统的软错误故障率。