摘要：对系统进行可诊断性设计,能优化诊断方案、提升诊断方案与系统的契合程度,对于准确检测或隔离系统故障具有重大意义。为此提出一种基于故障敏感度学习和集成学习的可诊断性设计方法。对于采集到的不同状态下的系统测试点信号进行特征提取,结合系统的可诊断性评价结果,提出特征贡献度量化算法,对信号中不同特征对故障诊断的贡献度进行评估,使用改进的D-S证据理论算法对不同信号的特征进行融合,确定适用于故障检测与隔离的故障敏感特征集合;采用集成学习方法对基分类器的诊断效果进行加强,最终获得对当前系统的诊断方案。仿真实验结果表明,采用新的可诊断性设计方法设计出来的针对系统的诊断方案,可以对系统故障进行良好的诊断,其中与未进行故障敏感度学习环节相比,故障诊断的错误率由5.33%下降到2.66%,与未进行集成学习环节相比,故障诊断的错误率由16.22%(基诊断器的平均值)下降到2.66%。在与其他诊断方案的对比实验中,新方法的故障诊断错误率相较于对比方法的平均值下降了3.34%。

摘要：针对现有FPGA加固方法开销过大的问题,提出一种利用逻辑门对故障的屏蔽效应进行选择性加固的双模冗余方法.首先建立待加固电路的查找表结构模型,根据故障的传播概率按电路结构依次计算每个查找表的故障敏感度;然后将故障敏感度高的查找表进行双模冗余,并根据要屏蔽的故障类型在冗余后的查找表输出端添加"与","或"逻辑进行表决;最后对加固后的电路进行故障注入,验证加固效果.对MCNC测试集电路的实验结果表明,与现有方法相比,在同等开销下,文中方法对故障的屏蔽效果更显著;全冗余时,该方法可将故障平均减少84.3%,对于apex2,spla等大电路则能减少超过97%.