摘要：仿照自然界的碳基生物进化过程，在FPGA内部实现了可控的硅基进化。针对电子系统常见的SA故障，提出了基于演化硬件技术的内进化容错模型，通过在FPGA内部装载MicroblazeCPU和构建可重配置阵列，实现了演化硬件的片内进化。利用该模型进行了故障容错实验，检验了其有效的故障容错能力，证明该容错方法能够有效提高数字电路的可靠性。

　　关键词：FPGA；内进化；容错；可靠性分析

　　中图分类号：TN911?34；TP301.6文献标识码：A文章编号：1004?373X（2013）20?0001?03

　　进化硬件（EvolutionHardware，EHW）指的是仿照自然界中以碳为基的生物进化过程，在现有的FPGA芯片基础上实现可控的"硅基进化"。进化硬件实际上是一种特殊硬件，它可以像生物一样具有自适应、自组织、自修复特性[1]，从而可以根据使用环境的变化而改变自身的结构以适应其生存环境。进化硬件除了能够生成具有新功能的电路以外，还可用于减少故障的发生，获得容错的功能，从而提高电路可靠性[2]。

　　1内进化容错模型

　　通过在FPGA内部构建运算进化算法的MicroblazeCPU，把决定电路结构和功能的二进制配置位串作为染色体，通过对实际硬件的配置和测试来加速适应度评估过程。将其进化结果直接用于可重配置电路，以便获得具备预期功能的实际硬件。内进化设计的方式更充分地利用了可编程器件的芯片资源和可重构特性。由于将进化硬件特有的快速进化和硬件可重配置结构与FPGA内部算法运行和下载的内进化模式相结合，即可获得具有实时、自适应、容错能力的理想硬件特性[3?4]。如图1所示。

　　从图1可以发现在FPGA内部主要分为两个区域：MicroblazeCPU[5]和可重配置阵列[6]。图中的MicroblazeCPU是基于XILINX公司FPGA的微处理器IP核，和其他外设IP核一起，可以完成可编程系统芯片（SoPC）的设计。Microblaze是一个高度灵活可以配置的软核，可以根据设计的需要，对Microblaze进行裁减，用最少的资源完成设计的需要。可重配置阵列由可编程单元组成，其规模根据电路的复杂程度和功能需求设定。其中最基本单元是可编程单元（ProgrammableElement，PE），由配置寄存器、多路选择器和基本逻辑运算单元组成。在系统工作时，MicroblazeCPU通过数据控制通道配置可重配置阵列，配置完成后可重配置阵列单独工作。

　　如果嵌入该模型的FPGA工作环境或功能要求发生了变化，只需重新启动上述进化过程，针对新的设计目标和内、外部条件重新进行搜索，便可获得新的配置位串和预期电路功能，即实现硬件自适应。同样，如果硬件电路本身出现了局部故障但存在预留的资源冗余，重新执行上述进化过程后也有望避开故障区域，重新获得预期的电路功能。

　　2具体实现

　　2.1算法流程

　　由于遗传算法模拟了自然选择和自然遗传过程中发生的繁殖、杂交和突变现象。因此将遗传算法作为演化算法。在求解问题时，问题的每个可能的解都被编码成一个"染色体"，即个体，若干个个体构成了群体。在遗传算法开始时，随机地产生初始个体群，根据预定的目标函数对每个个体进行评价，给出了一个适应度值。基于此适应度值，选择个体用来复制下一代。选择操作体现了"适者生存"原理，"好"的个体被选择用来复制，而"坏"的个体则被淘汰。然后选择出来的个体经过交叉和变异算子进行再组合生成新的一代。这一群新个体由于继承了上一代的一些优良性状，因而在性能上要优于上一代，这样逐步朝着更优解的方向进化。演化算法的基本流程如图2所示。

　　2.2遗传算子设计

　　（1）转盘赌选择，即个体的选择概率pi等于其适应度值在所有个体的适应度值之和中占的比例。首先先计算个体的相对适应值记为pi，然后根据选择概率{pi，i=1，2，…，N}把一个圆盘分成N份，其中第i扇形的中心角为2πpi。在进行选择时，先生成一个[0，1]内的随机数r，若p0+p1+…+pi?1

　　（2）交叉运算，是指对两个相互配对的染色体按某种方式相互交换其部分基因，从而形成两个新的个体。交叉运算是遗传算法区别于其他进化算法的重要特征，它在遗传算法中起着关键作用，是产生新个体的主要方法。本设计采取单点式交叉方法，即随机的在两个父串上选择一个杂交点，然后交换这两个串的对应的子串。

　　（3）变异运算，是指将个体染色体编码串中的某些基因座上的基因值用该基因座的其他等位基因来替换，从而形成一个新的个体。

　　2.3适应度评估

　　内部演化将遗传算法每一代产生的每一条染色体都实际下载到器件中，并对每一种电路结构的输出直接进行评判。内部演化评估速度快，并可利用器件的实际特性实现系统动态重构。适应度的计算方式为给一个输入矩阵，读取输出矩阵，如果和希望的标准矩阵一致则"适应度"加1。其数学表达式为：

　　[fitness=i=1mj=1nCi，j，C=X⊕M]（1）

　　式中：X为该个体对应的输出矩阵；M为标准输出矩阵。

　　3故障容错实验与冗余可靠性分析

　　3.1实验条件

　　采用Schwefel的（1+λ）?ES演化策略[7]。程序参数为：最大适应度值12，种群规模10，变异率0.02，交叉率0.3，最大演化代数100000。根据第一列PE单元的损伤数目设计7种不同的故障模式，每种故障采用100个不同的随机数种子。应用数理统计的方法，每种故障模式采用100个样本。在规模为8×4个PE单元的可重配置阵列中，进行了第一列PE单元逻辑门损坏和容错实验。模拟文献[6]中提到数字电路中常见的SA故障，SA故障指的是无论对于何种输入，节点的输出固定为某一逻辑值。

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。