一种电磁脉冲下的电控单元冗余优化分配模型建立和优化方法

摘要

本发明公开了一种电磁脉冲下的电控单元冗余优化分配模型建立和优化方法。所述电磁脉冲电控单元冗余优化分配模型建立和优化，通过开始时候对电控单元执行任务和所需个数等初始数据确定，将热温备份实时容错冗余策略应用到电控单元设计中，然后按照功能执行模块的不同，构建电控单元电磁脉冲下的可靠性模型，最后通过优化算法，进行可靠性优化和冗余分配。将本发明应用到电控单元的设计中，能够提高电控单元在电磁脉冲下的可靠性，对电控单元一定程度上起到了保护作用，也同时将本发明提出的建模和优化方法应用到演化硬件的单元配置中，可以有效地保证演化过程的高可靠性，对电磁仿生学的发展具有重要作用。

说明书

技术领域

本发明涉及电磁脉冲系统可靠性领域，尤其涉及一种电磁脉冲下的电控单元冗余优化分配模型建立和优化方法。

背景技术

随着电子技术的不断发展，电子系统不断精密化，面对日益复杂的电磁环境和系统较弱的抗电磁干扰能力，对电子系统的抗电磁脉冲进行分析，成为了如今热门的课题。

目前大多数研究都是对电子系统的电磁损伤评估，并没有单独对电控单元进行损伤评估，更没有针对电磁脉冲损伤评估进行相应的电磁脉冲防护。在电磁环境下电控单元冗余策略影响着电控系统的可靠性，冗余数目的多少不仅跟经济性有关，而且影响着系统的可靠性。目前电控单元主要是围绕热备份策略，冷备份策略或者是主动策略进行运行，很少考虑其他混合策略应用到电控单元的运行中。

电磁仿生学是电磁脉冲防护的新技术。但是目前应用电磁仿生学进行电磁脉冲的可靠性分析时，更多地只是模糊讲述了建立的防护模型的状态并进行可靠性分析；或者重点研究了损伤后修复状态的过程，即演化修复过程，损伤后修复状态的冗余数目在初始状态如何进行设置和分配。电磁仿生应用，更多地研究在于演化修复能力的改善上，在完成某种功能基础上建立了一定粒度的VRC阵列电路，而没有考虑在电磁脉冲下可编程单元(PE)失效率不同和共因失效的问题，同时PE单元过多或过少地使用，不仅浪费资源而且影响电磁脉冲状态下的演化速度。

发明内容

为了保证电控单元在电磁脉冲环境下可靠运行，也为了电磁仿生学发展，考虑演化硬件PE单元冗余分配，对演化硬件高效地运行、更高的可靠性和更好地应用具有重要作用。

为了解决上述问题，提高电控单元电磁脉冲下的可靠性，本发明提出了一种电磁脉冲下的电控单元冗余优化分配模型建立和优化方法，具体包括以下步骤：

步骤1：确认电控单元的功能模块设计电路、功能模块设计所需要的个数及在电磁脉冲环境下功能模块工作和备份状态的失效率，方便电控单元冗余优化，从而能够保证电控单元在电磁脉冲环境下可靠运行；电控单元的功能模块有电源模块、ECU模块等，每个模块的电路设计需要考虑芯片选型和外围电路的电阻电容参数设计；

步骤2：提出使用热、温备份冗余机制的混合冗余策略，面对电控单元中复杂的电路，对电控单元电路进行简化，根据电控单元中功能的不同，将电控单元进行模块化划分；

步骤3：根据电控单元功能不同划分的串并联架构，进行电控单元可靠性模型的建立，以最大可靠度为目标函数，电控单元的冗余数量为约束条件进行电控单元模型的建立；

步骤4：提出量子自适应混沌粒子群优化算法应用到计算电控单元功能模块可靠度优化方法，合理增加功能模块的冗余数，进行冗余分配，提高电控单元的可靠性，该算法提出也增加了群体的多样性，避免算法陷入局部最优，加快收敛速度，改善优化精度。

进一步地，步骤2中，将电控单元假设成一个串并联模块，由m个子系统串行工作，每个子系统内包含了n

热温备份冗余机制为首先只有一个组件在正常工作，当该组件失效时，备份组件开始工作，根据机制设置，每次只有一个组件正常工作，且处于热备份状态即处于待机，与主机保持信息同步状态的一个备份组件先转为正常工作，当该组件失效时，则剩余的热备份继续开始转化，直到热备份全部失效时，处于温备份状态即处于周期性与主机保持信息更新状态的一个备份组件开始转为正常工作，且组件失效时，剩余温备份继续开始转换，直到所有组件全部失效，转换结束，整个系统将不工作。

将热、温备份冗余机制的混合冗余策略应用到串并联系统中，一旦有一个子系统所有组件全部失效，整个电控单元将全部无法正常工作，所以为了保证每个子系统中，至少有一个组件在正常工作，通过引入容错策略进行周期性监测，当发现工作组件失效时，进行3次复位，若能正常运行，不进行任务迁移，否则的话，进行任务迁移，调用可用的子系统组件。

进一步地，步骤3中，基于马尔可夫链理论，将电控单元的最大可靠度作为目标，设置电控单元的冗余数量作为约束，建立了系统状态迁移模型；

对电控单元可靠度建模时，考虑共因失效的情况，为了简化模型，对于失效组件数在1个和n个之间失效情况时，共因失效率考虑为0，即不发生这种失效情况。所以引入共因失效因子β

考虑初始数据具有不确定性，为了保证模型的准确性，采用证据理论对系统的不确定性进行描述，并进行相应的建模。

进一步地，步骤4中，本发明采用量子Bloch坐标编码的初始化种群，每个粒子同时占据了空间的三个位置，代表三个优化解，对三个优化解进行解空间变换，通过量子旋转门实现量子Bloch坐标下的粒子群位置和速度更新。

一般算法处理复杂函数优化时，很容易陷入局部最优解，为了实现全局最优，提出早熟判断机制，通过计算粒子群的群体适应度方差，当方差值越小，表明粒子聚集程度大，当达到某个程度值时，群体将失去多样性而陷入早熟时，让群体能够快速跳出局部最优，提出采用Logistic混沌搜索策略一定程度上避免局部最优的情况。

提出自适应调整方案，对种群按照适应度值进行划分，并对每一个部分设置相应的惯性权值，使粒子根据自身在种群中的相对位置自适应改变，这样能够保证粒子前期通过较大的惯性权重，扩大搜索的范围，在后期越靠近问题解，较小的惯性权重，使种群保持稳定和更快收敛，从而进一步使粒子保持多样性和具有更好的收敛速度。

与现有技术相比，本发明具有以下有益的技术效果：

1.本发明提出热温备份实时监测混合冗余策略，相比于传统的热备份策略可靠性更高；2.模型以马尔可夫链为基础建立的，为了更接近实际情况，考虑了电磁脉冲下的共因失效，以及电磁脉冲下功能模块失效率难以准确获取，引入证据理论进行建模；

3.提出量子自适应混沌粒子群优化算法，为电控单元电磁脉冲下可靠性优化和冗余分配，能够增加群体的多样性，避免算法陷入局部最优，加快收敛速度，改善优化精度；

4.为电磁仿生学的研究，特别是演化硬件PE单元冗余分配，对演化硬件高效地运行、更高的可靠性和更好地应用具有重要作用。

附图说明

图1为本发明提供的电控单元可靠性模型建立和优化方法流程图

图2为本发明提供的混合冗余策略的串并联MCU系统架构。

图3为本发明提供的监测与实时替换的混合冗余策略图。

图4为本发明提供的混合冗余策略状态迁移图。

图5为本发明提供的量子自适应混沌粒子群优化算法流程图

具体实施方式

为了能够更加具体地阐述本发明，下面将结合附图和实施步骤对本发明进行更深一步的阐述，从而能够充分理解本发明。

本发明提出了一种电磁脉冲下的电控单元冗余优化分配模型建立和优化方法，建模和优化的流程图如图1，其构建过程如下步骤：

步骤1：确认电控单元的功能模块设计电路、功能模块设计所需要的个数及在电磁脉冲环境下功能模块工作和备份状态的失效率，方便电控单元冗余优化，从而能够保证电控单元在电磁脉冲环境下可靠运行；

步骤2：提出使用热、温备份冗余机制的混合冗余策略。面对电控单元中复杂的电路，对电控单元电路进行简化，根据电控单元中功能的不同，将电控单元进行模块化划分。

如图2所示，将电控单元假设成一个串并联模块，由m个子系统串行工作，每个子系统内包含了n

热温备份冗余机制为首先初始状态只有一个组件在正常工作，当该组件失效时，备份组件开始工作，根据机制设置，每次只有一个组件正常工作，且处于热备份状态即处于待机，与主机保持信息同步状态的一个备份组件先转为工作状态，当转化为工作的热备份组件失效时，则剩余的热备份继续开始转化，直到热备份全部失效时，处于温备份状态即处于周期性与主机保持信息更新状态的一个备份组件开始转为工作状态，且该组件失效时，剩余温备份继续开始转换，直到所有组件全部失效，转换结束，整个系统将不工作。

将热、温备份冗余机制的混合冗余策略应用到串并联系统中，一旦有一个子系统所有组件全部失效，整个电控单元将全部无法正常工作，所以为了保证每个子系统中，至少有一个组件在正常工作，通过引入容错策略进行周期性监测，当发现工作组件失效时，进行3次复位，若能正常运行，不进行任务迁移，否则的话，进行任务迁移，调用可用的子系统组件。

本发明提出的混合冗余策略，对于每个子系统在初始状态下，假设所有组件都是正常状态，而且有一个积极组件在正常工作。当子系统中工作的积极组件失效时，将容错策略引入到串并联系统中，对于n

步骤3：根据电控单元按照功能划分的串并联架构，进行电控单元可靠性模型的建立，以最大可靠度为目标函数，电控单元的冗余数量为约束条件进行电控单元模型的建立。

本发明基于马尔可夫链理论，将电控单元的最大可靠度作为目标，设置电控单元的数量范围作为约束，建立了系统状态迁移模型，对于提出的混合冗余策略运行状态进行描述，建立子系统的内部状态迁移图，如图4所示，并对系统做如下假设：

(1)电控单元子系统冗余单元相同，且仅有两种状态：工作、失效；

(2)每次只能对1个组件进行状态迁移，在模型中假设迁移全部成功，不考虑迁移失败的概率；

(3)在任务执行过程中不考虑组件的修复措施，即在模型中假设每个子系统中不具备修复设施；

(4)各个组件受电磁脉冲影响的失效均服从指数分布，对于初始状态工作的积极组件，其失效率与热备份所有组件单独失效率λ

(5)假设监测机制不受到电磁脉冲的干扰，一直处于正常运行状态；

在图4中，状态(j

根据对子系统描述，子系统初始工作状态为(n

式中λ

假设Y

状态(j

根据给定的各状态初始概率值Y(n

本发明对电控单元可靠度建模时，考虑共因失效的情况，为了简化模型，对于失效组件数在1个和n个之间失效情况时，共因失效率考虑为0，即不发生这种失效情况。所以引入共因失效因子β

对于电控单元考虑共因失效子系统，根据上面的描述，热备份和温备份组件的独立失效率为(1-β

本发明考虑初始数据具有不确定性，为了保证模型的准确性，采用证据理论对系统的不确定性进行描述，并进行相应的建模。根据事件X的信度函数和似真度函数定义如下：

式中，Bel(X)表示对“事件X为真”的证据程度；Pl(X)表示对“事件X非假”的证据程度，因此对事件X的认知不确定性大小为Pl(X)～Bel(X)，从而构成了[Pl(X),Bel(X)]事件X的不确定性区间，m表示不确定程度和对命题的不可知程度，为辨识框架上的基本可信度分配，m(Y)表示事件Y的基本可信数。

步骤4：提出量子自适应混沌粒子群优化算法应用到计算电控单元功能模块可靠度，合理增加功能模块的冗余数，进行冗余分配，提高电控单元的可靠性。该算法提出也增加群体的多样性，避免算法陷入局部最优，加快收敛速度，改善优化精度。

如图5所示为算法的流程图，本发明采用量子Bloch坐标编码的初始化种群，每个粒子同时占据了空间的三个位置，代表三个优化解，对三个优化解进行解空间变换，记第i个粒子P

Δθ

θ

其中：Δθ

一般算法处理复杂函数优化时，很容易陷入局部最优解，为了实现全局最优，提出早熟判断机制，通过计算粒子群的群体适应度方差，当方差值越小，表明粒子聚集程度大，当达到某个程度值时，群体将失去多样性而陷入早熟时，让群体能够快速跳出局部最优，提出采用Logistic混沌搜索策略一定程度上避免局部最优的情况。

早熟判断机制是早熟处理的基础，设粒子群粒子数目为m，f

其中f是归一会定标因子，作用是限制σ

式中群体适应度方差表示粒子群中所有粒子的聚集程度，σ

采用Logistic混沌搜索对PSO每一代种群的最优个体进行M次搜索，若能找到最优个体则进行替换，进而改善PSO的全局搜索能力。生成的混沌序列Zi利用混沌映射公式进行混沌迭代，生成M个混沌序列，利用公式进行反归一化在原解空间的领域内产生新的M个序列的解，对第i代出现早熟的局部最优解及其适应度值，与进行混沌映射后的M个新解和M个适应度值比较，保留最好解。

提出自适应调整方案，对种群按照适应度值进行划分，并对每一个部分设置相应的惯性权值，使粒子根据自身在种群中的相对位置自适应改变，这样能够保证粒子前期通过较大的惯性权重，扩大搜索的范围，在后期越靠近问题解，较小的惯性权重，使种群保持稳定和更快收敛，从而进一步使粒子保持多样性和具有更好的收敛速度。

本发明根据粒子的适应度与聚集度，动态调整w。在PSO中设粒子的平均适应度值为f

根据本发明提出的自适应调整方案，利用f

当个体适应度值f

W

当个体适应度值f

其中t/T分别表示为当前/最大进化代数。

当个体适应度值f

其中c为常数，实验证明c＝1.5时粒子的收敛能力和搜索能力较好。当δ值较大说明粒子比较分散，减小w可以增加种群的收敛能力；当δ较小说明粒子比较聚集，增大w可使粒子的搜素能力增强，具备跳出局部极值的能力。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润色也应视为本发明的保护范围。