[发明专利]基于层次划分的电路故障实时诊断与自修复方法

权利要求书

1.基于层次划分的电路故障实时诊断与自修复方法，其特征在于，包括如下具体步骤：

Step1：将电路系统按照功能进行模块划分并依据调用关系分层，利用故障树分析方法赋予各个模块不同的影响因子；

Step2：选取Step1中需要监控与修复的模块获得电路相应CGP编码，模拟单粒子翻转效应对CGP编码进行故障注入获得大量故障样本数据，利用获得故障样本数据离线训练神经网络；将训练后的神经网络与需要监控的电路下载到电路板上实现故障检测；

Step3：当故障发生时结合Step2发送来的故障模块编号与Step1中不同模块编号对应的影响因子来决定故障模块的修复顺序，并利用补偿机制保证修复期间系统的正常运行。

2.根据权利要求1所述基于层次划分的电路故障实时诊断与自修复方法，其特征在于，针对上述步骤Step1进行详细描述如下：

Step1.1:在电路系统设计时将系统按照功能进行模块划分并将模块进行编号，利用模块间的调用关系对模块进行分层；

Step1.2：按照故障树分析方法为Step1.1中分层模块赋予影响因子DegreeK(k＝{1…n})，K值越大标志该模块故障对系统影响越大；

Step1.3：将获得的模块影响因子DegreeK配置到电路板中。

3.根据权利要求2所述基于层次划分的电路故障实时诊断与自修复方法，其特征在于，针对上述步骤Step2进行详细描述如下：

Step2.1:获取Step1.1需要监控与修复的模块电路对应的CGP编码，对CGP编码模拟单粒子翻转效应进行故障注入并标记故障发生位置；

Step2.2：将Step2.1获得的故障CGP编码电路配置到电路板中，输入一条数据获得对应故障电路的真实输出，结合Step2.1中故障发生位置，得到一条故障样本数据，重复本步骤获得该故障CGP编码电路对应的故障数据；

Step2.3：重复Step2.1与Step2.2获得故障电路数据集，利用该数据集对用于监控电路的神经网络进行离线训练获得神经网络模型；

Step2.4：将获得的Step1.1电路与其对应的Step2.3用于电路实时监控神经网络模型下载到电路板中，当向电路输入数据时神经网络模型同时获取电路的输入与输出数据作为该模型自身输入，并输出监控结果，当结果向量中有不为0的数，则说明电路发生故障；

Step2.5：对Step2.4获得的故障模块进行故障再确认，如果仍然显示故障，则将故障模块编号发送给故障修复模块。

4.根据权利要求3所述基于层次划分的电路故障实时诊断与自修复方法，其特征在于，针对上述步骤Step3进行详细描述如下：

Step3.1：隔离Step2.5获得的故障电路，将故障电路与Step1.3预先存储的模块影响因子相结合，赋予K值大的故障模块高修复优先级；

Step3.2：利用电路真值表代替Step2.5故障电路保证系统的正常运行，同时利用演化算法按照Step3.1获得的修复优先级从高到低依次演化相应的电路，每当成功演化出一条电路就及时替换相应的故障电路，直到所有故障电路全部替换完成。