数字进化硬件关键技术研究

论文摘要

进化硬件是一种将进化算法与可重构器件有机结合的硬件系统,它与传统硬件的不同在于其具有自组织、自适应和自修复能力。进化硬件的研究对新型智能电路和芯片设计方法,对构建自组织、自适应和自修复的硬件系统,对解决当前复杂集成电路和芯片设计中面临的各种重大问题,对实现航空航天飞行器的高可靠性、长期可用性,都具有非常重要的理论意义和实用价值。针对数字进化硬件的关键技术,论文分别研究了进化算法的设计与应用、复杂数字电路的在线进化技术及基于进化硬件的强容错三模冗余系统结构与容错机制。1.给出了进化算法模型与设计步骤,对其4个分支进行了分析与比较,提出了一种基于进化算法的自适应形态滤波器结构及设计方法,以遗传算法作为优化工具,在Xilinx XCV2000-E FPGA上对滤波器结构和参数（滤波算法、结构元素形状和尺寸）进行在线优化。对典型噪声的滤波结果表明,该滤波器能够根据噪声的不同自适应调整结构和参数,鲁棒性好,滤波性能优于均值滤波器和中值滤波器,且该滤波器采用硬件实现,便于在嵌入式系统中应用。2.为提高进化收敛速度,提出了一种基于猴王婚配机制的免疫遗传算法,模拟猴王婚配机制将交叉有效引至算法中,并保留最优个体以保证算法的收敛性,同时通过双变异、自适应变异和模拟褪火等机制提高搜索效率,采用相异矩阵和模糊选择法简化计算过程。给出了算法原理、步骤和收敛性证明,通过函数优化、数字逻辑电路在线进化和图像滤波器的在线进化对算法性能进行了测试,结果表明,该算法可有效克服遗传算法的早熟收敛问题,加快收敛速度。3.分析了进化大规模电路存在的困难和解决方法,针对寄存器级数字电路的进化,提出了生长进化方法。该方法首先将复杂电路分解为不同的种子电路,然后结合L系统的生长方法递增进化,随时保护已进化成功的电路结构,并采用增长验证评估方法解决在线验证评估难题。结果表明,采用生长进化方法进化出的电路规模和进化速度均优于传统的直接进化方法。4.针对片上系统进化,提出了一种基于可进化实时可参数化核（RTP核）的设计方法,可根据用户设计实时改变软IP核的功能。给出了可进化RTP核的概念和模型,并以HDB3编码器设计为例,给出了可进化RTP核的进化设计方法和基于可进化RTP核的片上系统设计方法。使用可进化RTP核可实现片上系统的在线进化、自适应与自修复,为进化硬件的工程应用提供了一种可行的实现方法。5.为提高太空恶劣环境中电子系统的可靠性,将进化硬件与传统三模冗余（TMR）容错思想相结合,提出了一种具有多种在线自修复机制的强容错TMR系统结构及设计方法,可以在不影响系统正常工作的前提下实现故障模块的在线修复。该系统采用TMR结构,可实时检测并定位故障模块;模块中每个组件均有备件,故障发生时可通过备件切换法快速自修复,同时模块中每个组件也可通过进化进行修复;另外还通过异构冗余设计降低2个以上模块同时发生故障的概率。给出了系统结构和可靠性模型,推出了可靠性计算公式,对系统的可靠性进行了理论分析,并以具有片内三模冗余的HDB3编码器系统设计为例进行验证,结果表明系统可靠性得到很大提高。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的目的与意义
• 1.1.1 进化硬件的内涵
• 1.1.2 进化硬件的研究意义
• 1.2 进化硬件的基本原理与关键技术
• 1.2.1 进化硬件的基本原理
• 1.2.2 数字进化硬件的关键技术
• 1.2.3 进化硬件的分类方法
• 1.3 国内外研究现状
• 1.3.1 研究概况
• 1.3.2 主要技术成果
• 1.4 技术难点与研究热点
• 1.5 论文研究内容与结构安排
• 1.6 本章小结
• 第二章 进化算法设计与应用
• 2.1 引言
• 2.2 进化算法概述
• 2.2.1 进化算法模型
• 2.2.2 进化算法的设计步骤
• 2.2.3 进化算法分析与比较
• 2.3 基于进化算法的自适应形态滤波器设计
• 2.3.1 形态滤波器的数学描述
• 2.3.2 基于进化算法的自适应形态滤波器的设计方法
• 2.3.3 实验结果与分析
• 2.4 基于猴王婚配机制的免疫遗传算法MMIGA
• 2.4.1 进化算法的缺点
• 2.4.2 人工免疫算法
• 2.4.3 免疫遗传算法
• 2.4.4 猴王婚配机制
• 2.4.5 基于猴王婚配机制的免疫遗传算法的基本步骤
• 2.4.6 算法收敛性证明
• 2.5 MMIGA 算法性能测试
• 2.5.1 MMIGA 在函数优化中的应用
• 2.5.2 MMIGA 在逻辑电路在线进化设计中的应用
• 2.5.3 MMIGA 在图像滤波器在线进化设计中的应用
• 2.6 本章小结
• 第三章 复杂数字电路在线进化技术研究
• 3.1 引言
• 3.2 较大规模数字电路进化设计方法分析
• 3.2.1 分布式处理
• 3.2.2 压缩染色体编码与增加建筑块的复杂度
• 3.2.3 分而治之
• 3.2.4 进化硬件的归纳与启发式学习
• 3.2.5 规则演化与Lindenmayer 系统
• 3.3 生长进化方法及其在寄存器级数字电路在线进化中的应用
• 3.3.1 生长进化思想
• 3.3.2 种子电路的确定
• 3.3.3 增长验证评估方法
• 3.3.4 生长进化方法在线进化步骤
• 3.3.5 实验方案
• 3.3.6 试验结果与分析
• 3.4 基于可进化RTP 核的数字系统在线进化方法
• 3.4.1 进化片上系统研究概况
• 3.4.2 RTP 核与可进化RTP 核
• 3.4.3 可进化RTP 核设计方法
• 3.4.4 基于可进化RTP 核的数字系统在线进化
• 3.5 本章小结
• 第四章 基于进化硬件的强容错三模冗余系统设计及可靠性分析
• 4.1 引言
• 4.2 可靠性的理论基础
• 4.2.1 可靠性的特征量
• 4.2.2 马尔可夫过程
• 4.2.3 可修复系统可靠性计算公式的推导步骤
• 4.3 基于进化硬件的自修复三模冗余系统结构及故障在线修复方法
• 4.3.1 三模冗余原理
• 4.3.2 自修复三模冗余系统结构
• 4.3.3 差错检测器设计
• 4.3.4 提高系统可靠性的多种容错自修复机制
• 4.4 自修复 TMR 系统可靠性分析
• 4.4.1 自修复TMR 系统可靠性模型
• 4.4.2 自修复TMR 系统可靠性评价的理论依据
• 4.4.3 传统TMR 系统的可靠性指标
• 4.4.4 自修复TMR 系统可靠性分析及其与传统TMR 系统对比
• 4.4.5 自修复TMR 系统与传统TMR 系统平均寿命对比
• 4.5 试验结果与分析
• 4.5.1 在线进化修复平台
• 4.5.2 容错系统设计实例及二重容错修复实验
• 4.5.3 异构冗余容错实验
• 4.5.4 各种容错修复机制对系统可靠性的影响及资源代价分析
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 本文主要贡献与创新点
• 5.2 需要进一步研究的问题
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文