基于VxWorks下PNN故障诊断的冗余容错系统

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (15): 13-18.

基于VxWorks下PNN故障诊断的冗余容错系统

李丹，胡晓光

北京航空航天大学虚拟现实技术与系统国家重点实验室，北京 100191

出版日期:2016-08-01 发布日期:2016-08-12

Redundant fault-tolerant system based on VxWorks and fault diagnosis of PNN

LI Dan, HU Xiaoguang

State Key Laboratory of Virtual Reality Technology and Systems, Beihang University, Beijing 100191, China

Online:2016-08-01 Published:2016-08-12

摘要/Abstract

摘要： 针对航天测控系统的可靠性需求，提出了一种紧凑型PCI总线测控系统的冗余容错设计方案。系统下位机采用了基于VxWorks嵌入式操作系统来保证实时性，并在VxWorks系统中实现了高可用热插拔技术用于提高系统的冗余容错性能。提出了利用基于概率神经网络（PNN）的故障诊断方法对热冗余设备进行在线故障诊断。仿真与实验验证的结果表明，该系统具有良好的冗余容错性能，该设计方法可以有效提升系统的可靠性。

关键词: 冗余, 容错, 故障诊断, 热插拔, VxWorks, 概率神经网络, 紧凑型PCI总线

Abstract: Aiming at the requirements of high reliability for aerospace measurement and control systems, a design of redundancy and fault tolerance based on Compact PCI （CPCI） bus is proposed. The upper computer adopts the embedded system based on VxWorks to ensure the real-time performance. And the high availability hot-swap technology based on VxWorks embedded system is used in the system and an advanced fault diagnosis method based on the Probabilistic Neural Networks（PNN） is proposed for checking the faults of hot-redundancy equipments on line. Simulation and experiment results show that the system can satisfy the requirement of redundancy and fault tolerance. This design method can effectively improve the reliability of the system.

Key words: redundancy, fault-tolerance, fault diagnosis, hot-swap, VxWorks, probabilistic neural networks, compact PCI bus

李丹，胡晓光. 基于VxWorks下PNN故障诊断的冗余容错系统[J]. 计算机工程与应用, 2016, 52(15): 13-18.

LI Dan, HU Xiaoguang. Redundant fault-tolerant system based on VxWorks and fault diagnosis of PNN[J]. Computer Engineering and Applications, 2016, 52(15): 13-18.

[1]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[2]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[3]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[4]	王日宏，邢聪颖，徐泉清，袁杉杉. 具有监督机制的高效拜占庭容错算法[J]. 计算机工程与应用, 2021, 57(18): 142-148.
[5]	钱文博，熊建斌，岑健，王颀，余得正，吴润杰. 建筑电气系统故障诊断综述[J]. 计算机工程与应用, 2021, 57(16): 27-39.
[6]	童文林，陈德旺，黄允浒，吕宜生. 结合模拟退火与规则约简的模糊系统优化方法[J]. 计算机工程与应用, 2021, 57(16): 142-150.
[7]	唐登平，蔡文嘉，邹立，胡翔，丁黎，王雪. 改进卷积神经网络在互感器故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(11): 239-247.
[8]	衷路生，刘东东. 多级神经网络的轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(7): 193-199.
[9]	杜小磊，陈志刚，许旭，张楠. 改进深层小波自编码器的轴承故障诊断方法[J]. 计算机工程与应用, 2020, 56(5): 263-269.
[10]	毛彪，杨松，李英顺. 改进动态因果图与模糊推理融合故障诊断方法[J]. 计算机工程与应用, 2020, 56(3): 259-265.
[11]	余萍，曹洁. 深度学习在故障诊断与预测中的应用[J]. 计算机工程与应用, 2020, 56(3): 1-18.
[12]	王夫森，李志淮，田娜. 提升分片规模和有效性的多轮PBFT验证方案[J]. 计算机工程与应用, 2020, 56(24): 102-108.
[13]	高玮军，张春霞，杨杰，师阳. 考虑负载平衡的科学工作流容错聚类算法研究[J]. 计算机工程与应用, 2020, 56(23): 53-60.
[14]	谭正华，戴立平，文阳，李国泰. 基于约简属性和阈值分割的决策树构建方法[J]. 计算机工程与应用, 2020, 56(22): 160-165.
[15]	唐魏，郑源，潘虹，徐晶珺. 引入动态调节学习率的SAE轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(20): 264-269.