[發(fā)明專利]一種實時系統(tǒng)可用時間快速估算與優(yōu)化方法有效
| 申請?zhí)枺?/td> | 201710690737.4 | 申請日： | 2017-08-14 |
| 公開（公告）號： | CN107563511B | 公開（公告）日： | 2020-12-22 |
| 發(fā)明（設計）人： | 魏同權;梁文彬;周俊龍;鞠芊蕾 | 申請（專利權）人： | 華東師范大學 |
| 主分類號： | G06N3/08 | 分類號： | G06N3/08;G06N3/06 |
| 代理公司： | 上海藍迪專利商標事務所(普通合伙) 31215 | 代理人： | 徐筱梅;張翔 |
| 地址： | 200241 *** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 實時 系統(tǒng) 可用 時間 快速 估算 優(yōu)化 方法 | ||
1.一種實時系統(tǒng)可用時間快速估算與優(yōu)化方法，其特征在于該方法包括以下步驟：
步驟1：靜態(tài)軟錯誤故障率模型建立；
步驟2：利用靜態(tài)軟錯誤故障率模型建立樣本，訓練BP神經(jīng)網(wǎng)絡作為動態(tài)軟錯誤故障率模型；
步驟3：在動態(tài)軟錯誤故障率模型基礎上進一步建立平均無臨時故障時間MTTFT模型，結合平均無永久故障時間MTTFP模型，建立系統(tǒng)可用時間MTTFSystem模型；
步驟4：建立優(yōu)化系統(tǒng)可用時間方法，優(yōu)化系統(tǒng)可用時間；其中：
所述步驟1具體包括：
步驟A1：設備層次靜態(tài)軟錯誤故障率模型的建立：
其中：Constant為常數(shù)，其值為2.2*10-5，F(xiàn)lux為環(huán)境中中子通量的大小，Area為設備對軟錯誤故障敏感區(qū)域面積，為通過注入電流實驗確定不同設備的臨界電荷，Qcoll為由CMOS制造工藝確定的電荷收集效率；
步驟A2：系統(tǒng)層次靜態(tài)軟錯誤故障率模型的建立：
其中：SERsystem為系統(tǒng)軟錯誤故障率，為各類設備軟錯誤故障率，這里設備種類分為靜態(tài)存儲器、鎖存器、邏輯門電路三類，AVFi為各類設備的架構易損參數(shù)，ωi為SERcomponent占SERsystem的比重，這里用三類設備數(shù)目與設備總數(shù)目的比值描述ωi；
所述步驟2具體包括：
步驟B1：根據(jù)靜態(tài)軟錯誤故障率模型建立樣本：
系統(tǒng)的臨界電荷由三類設備臨界電荷的平均值共同決定，公式如下：
其中：為三類設備臨界電荷的平均值，ωi為三類設備數(shù)目與設備總數(shù)目的比值；
在動態(tài)環(huán)境中，系統(tǒng)軟錯誤故障率SERsystem由系統(tǒng)的臨界電荷系統(tǒng)環(huán)境中中子通量Flux，系統(tǒng)操作電壓Voltage和溫度Temperature四個參數(shù)決定；系統(tǒng)的軟錯誤故障率與中子通量Flux成正比例關系，中子通量Flux越高，系統(tǒng)的軟錯誤故障率越高；系統(tǒng)的軟錯誤故障率與電壓Voltage成反比例關系，電壓Voltage越高，系統(tǒng)的軟錯誤故障率越低，反比例關系由設備的CMOS制造工藝決定；系統(tǒng)的軟錯誤故障率與溫度Temperature成正比例關系，溫度Temperature越高，系統(tǒng)的軟錯誤故障率越高；
不同的臨界電荷中子通量Flux、系統(tǒng)操作電壓Voltage和溫度Temperature四個參數(shù)決定該組合情況下系統(tǒng)的軟錯誤故障率SERsystem，這五個參數(shù)作為一個樣本；利用靜態(tài)軟錯誤故障率模型建立多組樣本；
步驟B2：利用樣本建立動態(tài)軟錯誤故障率模型：
BP神經(jīng)網(wǎng)絡分為三層：輸入層、隱含層、輸出層，輸入層包含四個神經(jīng)元節(jié)點，分別為系統(tǒng)的臨界電荷系統(tǒng)環(huán)境中中子通量Flux，系統(tǒng)操作電壓Voltage和溫度Temperature；輸出層包含一個神經(jīng)元節(jié)點，為系統(tǒng)的軟錯誤故障率；隱含層節(jié)點個數(shù)根據(jù)經(jīng)驗公式確定：
其中h為隱含層神經(jīng)元節(jié)點個數(shù)，i為輸入層神經(jīng)元節(jié)點個數(shù)，o為輸出層神經(jīng)元節(jié)點個數(shù)，a為1～10之間任意常數(shù)；
確定完BP神經(jīng)網(wǎng)絡拓撲結構，輸入層、隱含層、輸出層的節(jié)點個數(shù)后，利用靜態(tài)軟錯誤故障率樣本訓練BP神經(jīng)網(wǎng)絡，獲得動態(tài)軟錯誤故障率模型；
所述步驟3具體包括：
步驟C1：任務集模型的建立：
其中：n為任務集中獨立任務的個數(shù)；每個任務τi表示為一個三元組，1≤i≤n；τi＝(ci,pi,di)；其中ci是任務在系統(tǒng)最大頻率下的執(zhí)行時間，pi是任務周期，即每經(jīng)過一個pi時間單元釋放一個該任務，di是任務的相對截止時間；
步驟C2：任務執(zhí)行時間模型的建立：
ti＝ci/fi
其中：ti為任務τi在頻率為fi時的執(zhí)行時間，fi為處理器的操作頻率，fmin≤fi≤fmax；頻率以fmax為標準進行歸一化處理，頻率值范圍為[0,1]，fmin為處理器最小操作頻率，fmax為處理器最大操作頻率，ci為任務τi在最大頻率fmax下執(zhí)行時間；
步驟C3：不同頻率下軟錯誤故障率模型的建立：
根據(jù)步驟B2訓練完的動態(tài)軟錯誤故障率模型，在確定完臨界電荷系統(tǒng)環(huán)境中中子通量Flux和溫度Temperature三個參數(shù)后，輸入不同的電壓vi后，輸出相應的軟錯誤故障率，由于fi＝μ·vi，即系統(tǒng)頻率和電壓呈正比例，利用動態(tài)軟錯誤故障率模型可以獲得不同頻率下系統(tǒng)的軟錯誤故障率，當頻率為fi時系統(tǒng)的軟錯誤故障率為λ(fi)；
步驟C4：任務τi臨時故障可靠性模型的建立：
任務τi臨時故障可靠性模型為：
其中：λ(fi)為操作頻率fi時的軟錯誤故障率，ci為任務τi在最大頻率fmax下執(zhí)行時間，fi為處理器的操作頻率；
步驟C5：任務集臨時故障率模型的建立：
其中：Ri為任務τi在執(zhí)行頻率為fi時的臨時故障可靠性；
步驟C6：平均無臨時故障時間MTTFT模型的建立：
其中：為任務集總的執(zhí)行時間，為首次故障發(fā)生在任務集的第一輪執(zhí)行中的期望時間；
步驟C7：平均無永久故障時間MTTFP模型的建立：
其中,T為溫度，V為電壓，ATDDB、θ1、θ2、A、B、C、ρ為經(jīng)驗參數(shù)；
步驟C8：系統(tǒng)可用時間MTTFSystem模型建立：
其中MTTFT為平均無臨時故障時間，MTTFP為平均無永久故障時間，MTTRT為平均臨時故障修復時間，MTTRP為平均永久故障修復時間；令為一個常數(shù)，則系統(tǒng)的可用時間簡化成如下關系：
系統(tǒng)可用時間即決定于和MTTFP兩者中的較小值；
所述步驟4具體包括：
步驟D1：時間約束條件的建立：
任務集可調度的充分必要條件形式化如下公式所示：
其中CPUrate為處理器利用率，ei為任務τi在頻率為fi時的執(zhí)行時間，根據(jù)任務集和處理器模型，對fmax進行歸一化處理，令fmax＝1，在fmax時任務的執(zhí)行時間為ci，所以di為任務的周期；
步驟D2：優(yōu)化目標的建立：
MTTFDelt∈(-u,+u)
其中u為一個接近0的較小值；
步驟D3：Q-learning算法中在時刻t時狀態(tài)st的確定：
根據(jù)步驟3中的C5、C6、C7步驟，計算出在時刻t時和進一步算出根據(jù)的大小，Q-learning算法狀態(tài)空間S分為七個子狀態(tài)，根據(jù)如下規(guī)則確定時刻t時狀態(tài)st：
1.當時，遠小于此時st＝s1，即在時刻t時為s1狀態(tài)；
2.當時，小于此時st＝s2，即在時刻t時為s2狀態(tài)；
3.當時，稍小于此時st＝s3，即在時刻t時為s3狀態(tài)；
4.當時，約等于此時st＝s4，即在時刻t時為s4狀態(tài)；
5.當時，稍大于此時st＝s5，即在時刻t時為s5狀態(tài)；
6.當時，大于此時st＝s6，即在時刻t時為s6狀態(tài)；
7.當時，遠大于此時st＝s7，即在時刻t時為s7狀態(tài)；
其中狀態(tài)空間S＝{s1,s2,…,s7}，u為一個接近0的常數(shù)，Δ為一個常數(shù)，表示偏移合適范圍的程度，為時刻t時系統(tǒng)的平均無瞬時故障的時間，為時刻t時系統(tǒng)的平均無永久故障的時間，
步驟D4：Q-learning算法中在t時刻動作at的確定：
所述動作指調整電壓的策略，動作空間A分為四個動作：
1.a1動作：提高電壓V1；
2.a2動作：提高電壓V2；
3.a3動作：降低電壓V2；
4.a4動作：降低電壓V1；
其中，V1和V2為電壓值，并且V1大于V2，A＝{a1,a2,a3,a4}為行為空間；
根據(jù)如下方法確定在時刻t時的動作at：首先，根據(jù)步驟D3確定時刻t時的狀態(tài)st，接著，以ε概率在四個動作中隨機選擇一個動作執(zhí)行，即在a1,a2,a3,a4中隨機選擇一個動作作為時刻t時的at；或者以1-ε的概率選擇行為值函數(shù)Q(s,a)中估計值最大對應的動作作為時刻t時的at；
其中：Q(s,a)為行為值函數(shù)，行為值函數(shù)Q(s,a)為一個二維數(shù)組，狀態(tài)s為七個子狀態(tài)，a為四個動作，ε為函數(shù)探索行為值，at為時刻t時選擇的動作；
步驟D5：Q-learning算法中反饋函數(shù)的建立：
其中：為時刻t+1時系統(tǒng)的平均無瞬時故障的時間，為一個常數(shù)，為時刻t+1時系統(tǒng)的平均無永久故障的時間，r為Q-learning算法中反饋函數(shù)；
步驟D6：Q-learning算法優(yōu)化系統(tǒng)可用時間算法：
1)初始化Q(s,a)矩陣為0矩陣，創(chuàng)建數(shù)組ArrayA和ArrayB，時刻t＝0；
2)for i＝1 to k do；
3)在fmin至fmax中隨機選擇一個頻率作為時刻t時ft,ft對應的電壓為vt；
4)根據(jù)ft和vt計算和根據(jù)步驟D3確定時刻t時狀態(tài)st；
5)根據(jù)和利用ArrayA或者ArrayB存放這樣一條記錄；
6)Whilest≠s4 do；
7)根據(jù)步驟D4確定時刻t時動作at,執(zhí)行完動作at后對應的電壓為vt+1和ft+1；
8)根據(jù)vt+1和ft+1計算時刻t+1時和根據(jù)步驟D3確定時刻t時狀態(tài)st+1；
9)根據(jù)和利用ArrayA或者ArrayB存放這樣一條記錄；
10)根據(jù)和步驟D5確定反饋函數(shù)的值r；
11)根據(jù)反饋函數(shù)的值r和Q-learning算法中更新行為值函數(shù)的規(guī)則更新Q(s,a)；
12)t＝t+1；
13)st＝st+1；
14)if st＝s4 do；
15)break；
16)end if；
17)end while；
18)end for；
19)if ArrayA不為空集；
20)遍歷ArrayA選擇記錄中MTTFSystem最大值對應的頻率f作為系統(tǒng)運行電壓fopt，fopt對應的電壓為vopt,vopt運行時系統(tǒng)可用時間為
21)elseArrayA為空集；
22)if ArrayB不為空集；
23)遍歷ArrayB選擇記錄中MTTFSystem最大值對應的頻率f作為系統(tǒng)運行電壓fopt，fopt對應的電壓為vopt,vopt運行時系統(tǒng)可用時間為
24)end if；
其中：ft為時刻t的頻率，vt為時刻t時的電壓，為時刻t時的處理器利用率，為時刻t時系統(tǒng)的平均無瞬時故障的時間，為時刻t時系統(tǒng)的平均無永久故障的時間，Q(s,a)為行為值函數(shù)，i為當前迭代次數(shù)，k為迭代次數(shù)上限，t為系統(tǒng)所在的時刻；vopt為任務集最優(yōu)執(zhí)行電壓，為任務集在電壓為vopt時的系統(tǒng)可用時間，ArrayA、ArrayB為二個不定數(shù)組，用來存放迭代過程中的記錄，每條記錄由這樣的鍵值對構成，ArrayA存放使得的記錄，ArrayB存放的記錄,每進行一次調整電壓產(chǎn)生一條記錄；如果ArrayA不為空，遍歷ArrayA中的記錄，記錄中最大值作為對應的ft作為fopt，ft對應的電壓vt作為vopt；如果ArrayA為空，ArrayB不為空，遍歷ArrayB中的記錄，記錄中最大值作為對應的ft作為fopt，ft對應的電壓vt作為vopt。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于華東師范大學，未經(jīng)華東師范大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710690737.4/1.html，轉載請聲明來源鉆瓜專利網(wǎng)。
