[發明專利]在實時安全關鍵嵌入應用中的增強異常預測和管理

在審

• 申請號: 202010126529.3
• 申請日: 2020-02-27
• 公開（公告）號: CN111752732A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 普拉森·達斯;斯瑞尼瓦桑·戈文迪拉姆·K
• 申請（專利權）人: 霍尼韋爾國際公司
• 主分類號: G06F11/07
• 分類號: G06F11/07;G06N20/00
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 蔣駿;陳嵐

本發明題為“在實時安全關鍵嵌入應用中的增強異常預測和管理”。提供了一種用于安全關鍵實時系統的智能異常處理系統。所述系統被配置為：在實時執行路徑中的多個節點處接收多個參數；使用訓練異常處理模型來分析所接收的參數，其中使用機器學習技術來訓練所訓練的異常處理模型以學習關鍵節點處的關鍵執行路徑和/或關鍵參數范圍，其中所述關鍵參數范圍包括節點處的已學習閾值；使用所訓練的異常處理模型來計算所述關鍵節點處的故障概率；將關鍵節點處的故障概率與所述節點處的已學習閾值進行比較；以及實時采取主動操作，以避免在所述節點處的故障概率高于所述節點處的已學習閾值時發生故障。

技術領域

本發明整體涉及嵌入式應用，并且更具體地涉及用于實時異常預測和避免的嵌入式應用中的系統和方法。

背景技術

各種應用(諸如具有控制應用程序的航空電子系統)具有非常豐富的特征，并且具有復雜的計算和定時要求。由于具體實施的復雜性和對多個互連的數據依賴關系，通常難以預見到可能導致不穩定行為的每個執行路徑。在開發和測試階段，航空電子控制應用程序具體實施暴露于極端場景以暴露潛在故障，但由于可能導致應用程序內差異的大量排列和組合，在暴露于真實環境時對航空電子控制應用程序的動態和約束仍然難以分析。

例如，飛行管理系統(FMS)是飛機駕駛艙內的復雜的實時空中系統，用于接收、計算和向多個計算系統和傳感器源傳輸數據。在設計階段或測試階段，經由建模和模擬很難找到所有關鍵問題。因此，在操作使用期間可能會發生異常，并且當發生異常時，可以使用異常處理恢復機制來幫助FMS從異常中恢復。異常處理可能涉及使FMS執行預定義的逃逸路線，其中FMS使其自身關閉并嘗試恢復至先前定義的較舊狀態。這可能導致FMS在某個時間段內不可用。

目前，恢復機制是反應性的。即，在發生錯誤并且應用程序傳播至執行分支(其中應用程序無法繼續任何進一步操作)之后，恢復機制開始嘗試將應用程序返回到合理的操作狀態。恢復機制可涉及在嘗試恢復期間長時間抑制應用程序的使用，并且可能未能成功地將應用程序返回到可用狀態。恢復機制也可能并非總是成功的，因為當應用程序處于不穩定狀態時可以啟動恢復。

因此，希望提供一種可防止應用程序長時間不可用的非反應性或主動異常處理和恢復系統。此外，結合附圖以及前述技術領域和背景技術，本發明的其他期望的特征和特點將根據后續具體實施方式和所附權利要求書變得明顯。

發明內容

提供本發明內容以便以簡化形式描述所選概念，這些概念在具體實施方式中進一步描述。本發明內容不旨在識別要求保護的主題的關鍵特征或基本特征，也不旨在用于幫助確定要求保護的主題的范圍。

提供了一種用于安全關鍵實時嵌入系統的智能異常處理系統。所述系統被配置為：在實時執行路徑中的多個節點處接收多個參數；使用訓練異常處理模型來分析所接收的參數，其中使用機器學習技術來訓練所訓練的異常處理模型以學習關鍵節點處的關鍵執行路徑和/或關鍵參數范圍，其中所述關鍵參數范圍包括節點處的已學習閾值；使用所訓練的異常處理模型來計算所述關鍵節點處的故障概率；將關鍵節點處的故障概率與所述節點處的已學習閾值進行比較；以及實時采取主動操作，以避免在所述節點處的故障概率高于所述節點處的已學習閾值時發生故障。

提供了一種用于處理飛機中的安全關鍵實時系統的異常的處理器實現的方法。該方法包括：在安全關鍵型飛機系統的實時執行路徑中的多個節點處接收多個參數；使用用于安全關鍵型飛機系統的訓練異常處理模型來分析所接收的參數，其中使用機器學習技術來訓練所訓練的異常處理模型以學習關鍵節點處的關鍵執行路徑和/或關鍵參數范圍，其中所述關鍵參數范圍包括節點處的已學習閾值；使用所訓練的異常處理模型來計算所述關鍵節點處的故障概率；將關鍵節點處的故障概率與所述節點處的已學習閾值進行比較；以及實時采取主動操作，以避免在所述節點處的故障概率高于所述節點處的已學習閾值時發生故障。

此外，結合附圖和前述背景技術，其他期望的特征和特點將根據后續具體實施方式和所附權利要求書變得明顯。

附圖說明