基于遗传算法的可靠片上多处理器系统寿命预测数据融合

随着大数据技术的普及，复杂的纳米级多处理器芯片系统（MP SoC）已被用于各种安全关键应用。然而，如果不采取额外的对策，MP SoC的广泛使用可能会导致其可靠性的不希望的降低。这项研究提出了一种很有前途的方法，在处理器内核内使用一组嵌入式仪器进行健康监测。通过实施的实验对从所使用的EI获得的多个健康监测数据集进行采样和整理，然后用于进行其剩余有用寿命预测。这使MP SoC能够进行预防性的自我修复，从而实现零平均停机系统，并确保提高可靠性。此外，设计了一种基于主成分分析的EI数据融合算法。随后，采用基于遗传算法的退化优化来创建关于处理器的寿命预测模型。