基于递推最小二乘法加速度计信息辅助的磁力计标定方法

由于MEMS磁力计自标定过程无法实现与MEMS加速度计间未对准误差的估计,提出一种利用加速度计矢量作为辅助信息,对磁力计的误差参数及磁力计与惯性单元间的未对准误差参数的一步估计方法。首先.对加速度计进行标定处理;然后,利用加速度计和磁力计间点积不变的性质,构造误差参数模型;最后通过递推最小二乘法完成对误差参数的迭代求解。通过仿真与实验对本文提出方法进行了验证,结果表明,本文提出方法估计出的磁力计误差参数的误差在10-4量级,标定后的磁力计与加速度计所在的惯性单元间的旋转角稳定在苏州磁倾角47.5°附近,完成了误差参数的一步估计。且迭代计算效率较高,相比于最小二乘法计算速度,在5秒钟左右就完成了对误差参数的估计,更适用于现场标定。     

基于粒子群优化BP神经网络的可靠性评估模型

CPU的可靠性对计算机系统至关重要。针对神经网络等方法在可靠性分析与评估中参数优化困难、模型评估精度不够准确等问题,提出一种基于粒子群优化BP神经网络的可靠性评估模型。该模型利用由正弦映射优化的PSO算法对BP神经网络的权值和阈值进行优化,提高BP神经网络的收敛速度以及评估精度。基于CPU中各功能模块的可靠度,根据改进的BP神经网络模型建立CPU的可靠性评估模型,通过模型训练与测试完成对CPU的可靠性评估。通过对比实验,验证该模型对辐射环境下CPU可靠性评估的有效性和准确性。     

基于Z语言和贝叶斯网络的存储系统可靠性评估方法

现有的存储系统可靠性评估方法难以动态地描述其可靠性特征,也难以反映其与时间的关系;针对此问题,提出了一种结合Z语言、连续时间马尔科夫链以及贝叶斯网络的可靠性评估方法;该方法将存储系统抽象为两级,分为功能单元和存储系统整体两部分;在针对功能单元进行可靠性评估时,建立了一种基于Z语言的可靠性模型,由于其关于时间的状态转移符合Markov链的性质,因此引入连续时间马尔科夫链进行评估;为了更清晰地表达存储系统与各个功能单元之间的多状态关系,构建了功能单元失效率与存储系统整体失效率之间的贝叶斯网络;基于贝叶斯网络计算出存储系统的整体可靠性,并得到其可靠性关键模块;最后,通过实例分析与计算表明,基于提出的可靠性评估方法能够准确描述存储系统的状态转移,可以量化计算存储系统的可靠性,得到其可靠度,具有一定的实用价值。     

基于SEM的FPGA抗单粒子翻转技术研究及验证

随着FPGA片内纠检错技术的发展,Xilinx公司在旗下的SRAM型FPGA上应用了一种名为软错误修复(SEM)的加固技术,大幅提升了配置RAM的单粒子软错误检测和修复效率。但这种片内加固技术本身需要使用一定的逻辑和存储资源,同样也有发生单粒子软错误的风险。本文分析了应用SEM加固技术的必要性和存在的问题,提出一套基于SEM的FPGA抗单粒子翻转解决方案,并给出了在XC7K410T型FPGA上的试验验证结果,验证了加固技术的有效性。