基于神經(jīng)網(wǎng)絡(luò)模型的智能傳感器在線自診斷、自修復(fù)摘要本文首次提出了基于神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)智能傳感器在線診斷、在線修復(fù)的原理、方案，及軟、硬件實(shí)現(xiàn)方法，對(duì)利用生物結(jié)構(gòu)來(lái)提高電子系統(tǒng)可靠性進(jìn)行了初步嘗試。本文的成果適用于對(duì)速度要求不高的智能傳感器系統(tǒng)，有一定的參考價(jià)值。關(guān)鍵字智能傳感器、在線自診斷、自修復(fù)、神經(jīng)網(wǎng)絡(luò)模型、觸突、閾值THEINTELLIGENTSENSORSCHECKANDREPAIRONLINEWHICHBASEDONNERVOUSMODELHUXUEHAI、GUTIANXIANGABSTRACTINTHISPAPER,ITISCARRIEDOUTTHERESEARCHONTHEPRINCIPLEOFINTELLIGENTSENSORSCHECKANDREPAIRONLINEWHICHBASEDONNERVOUSMODELANDITSSTRUCTUREOFSOFTWAREANDHARDWARETHEWAYTOIMPROVERELIABILITYBYNATURALSTRUCTUREISTRIEDTHEWAYSUITSFORTHEINTELLIGENTSENSORKEYWORDSINTELLIGENTSENSOR,CHECKANDREPAIRONLINE,NERVOUSMODEL,CONJUNCTION,LIMITVALUE中圖分類(lèi)號(hào)TP21261引言進(jìn)入信息時(shí)代后，一場(chǎng)數(shù)字化革命正在各國(guó)蓬勃的展開(kāi)。作為信息技術(shù)的三大支柱之一的傳感器技術(shù)也同樣面臨著這個(gè)挑戰(zhàn)。內(nèi)置MCU系統(tǒng)，可自動(dòng)對(duì)輸出進(jìn)行線性化、標(biāo)度變換、數(shù)字濾波、數(shù)字補(bǔ)償，即提高測(cè)量精度，又能補(bǔ)償受溫度、壓力、氣體濃度等因素影響的智能傳感器成為了當(dāng)今傳感器技術(shù)發(fā)展和研究的主流和前沿。但由于內(nèi)部結(jié)構(gòu)更加復(fù)雜，特別是系統(tǒng)全部基于內(nèi)置MCU系統(tǒng)的正常運(yùn)行，不可避免的降低了傳感器的可靠性。為了提高可靠性，就必須對(duì)傳感器內(nèi)置的MCU系統(tǒng)進(jìn)行在線監(jiān)控，這也就成為了智能傳感器研究的重要課題。2基本原理智能傳感器使用內(nèi)置的MCU系統(tǒng)作為系統(tǒng)控制核心。由于MCU系統(tǒng)較易受電磁干擾而發(fā)生系統(tǒng)程序“跑飛”，或內(nèi)存單元數(shù)據(jù)突然改變現(xiàn)象，這種故障是隨機(jī)發(fā)生的，且和運(yùn)行環(huán)境有關(guān)，難于檢測(cè)、排除。傳統(tǒng)方法采用電壓比較器對(duì)電源監(jiān)控，采用“看門(mén)狗”對(duì)程序監(jiān)控，存在的缺陷主要有測(cè)試故障覆蓋率低、難以檢測(cè)變周期運(yùn)行系統(tǒng)、測(cè)試時(shí)間太長(zhǎng)，并可能因此而引起連鎖反應(yīng)，造成直接經(jīng)濟(jì)損失、故障處理智能度差，無(wú)法進(jìn)行過(guò)程重入，從而無(wú)法實(shí)現(xiàn)在線故障排除。我們利用神經(jīng)網(wǎng)絡(luò)模型可以很好的解決這一問(wèn)題，實(shí)現(xiàn)了MCU系統(tǒng)的智能在線監(jiān)控和在線故障排除，從而極大的提高智能傳感器的可靠性和運(yùn)行平穩(wěn)性。21神經(jīng)網(wǎng)絡(luò)模型圖1細(xì)胞核觸突最簡(jiǎn)單的神經(jīng)元生物模型如圖1所示。它是由傳遞神經(jīng)反應(yīng)的觸突，細(xì)胞核組成。如果有一個(gè)信號(hào)傳到觸突，觸突先對(duì)信號(hào)的特點(diǎn)進(jìn)行衡量，當(dāng)刺激信號(hào)的權(quán)重和大于這個(gè)神經(jīng)細(xì)胞的閾值則這個(gè)神經(jīng)細(xì)胞被激發(fā)，反之則未被激發(fā)。22神經(jīng)網(wǎng)絡(luò)自診斷原理仿造這一原理我們可以模仿大腦中的神經(jīng)元結(jié)構(gòu)把系統(tǒng)的軟硬件劃分為由A/D變換、數(shù)字濾波、線性化處理、標(biāo)度變換、數(shù)字補(bǔ)償，通訊等功能構(gòu)成的神經(jīng)元。每個(gè)神經(jīng)元由細(xì)胞核、傳遞觸突、閾值衡量觸突組成。將這些簡(jiǎn)單的、彼此之間高度連接的處理單元組成神經(jīng)網(wǎng)絡(luò)。本文采用閾值型神經(jīng)元模型,系統(tǒng)運(yùn)行時(shí)，第N次激發(fā)的神經(jīng)元的興奮度對(duì)應(yīng)的計(jì)算公式為公式（1）ANU（|N|TNSN|）（1）式中AN第N次激發(fā)的神經(jīng)元的興奮度，AN1運(yùn)行正常，AN0運(yùn)行故障|N|第N次激發(fā)的神經(jīng)元無(wú)故障運(yùn)行時(shí)的最大誤差時(shí)間的理論值TN第N次激發(fā)的神經(jīng)元運(yùn)行時(shí)間的實(shí)際值SN第N次激發(fā)的神經(jīng)元運(yùn)行時(shí)間的理論值23神經(jīng)網(wǎng)絡(luò)自修復(fù)原理如前所述可得，當(dāng)AN1時(shí)，神經(jīng)元運(yùn)行正常，傳遞觸突輸出激發(fā)信息XI1，表明需激發(fā)神經(jīng)元I，閾值衡量觸突的輸出Y對(duì)應(yīng)的計(jì)算公式為公式（2）YU（WJIANXI）（2）M式中WJI神經(jīng)元J與神經(jīng)元I的互聯(lián)權(quán)重衡量閾值,AN第N次激發(fā)的神經(jīng)元的興奮度XI傳遞觸突輸出激發(fā)信息當(dāng)Y1時(shí)，神經(jīng)元I被激發(fā)，保存系統(tǒng)現(xiàn)狀態(tài)，進(jìn)入神經(jīng)元I的細(xì)胞核程序。當(dāng)AN0時(shí)，神經(jīng)元運(yùn)行故障，當(dāng)Y0時(shí)，激發(fā)失敗，系統(tǒng)回到第N次神經(jīng)元激發(fā)前的狀態(tài)，并重新激發(fā)該神經(jīng)元，如果連續(xù)失敗3次，系統(tǒng)中止運(yùn)行，并輸出故障信號(hào)。24神經(jīng)元網(wǎng)絡(luò)的自學(xué)習(xí)由于雙CPU結(jié)構(gòu)的時(shí)間基準(zhǔn)之間有一定差異，且使用中由于溫度、濕度、使用時(shí)間的影響，時(shí)間基準(zhǔn)會(huì)發(fā)生頻率漂移，從而使誤差時(shí)間較難確定，造成系統(tǒng)在線自診斷失效，我們可以讓該神經(jīng)元網(wǎng)絡(luò)結(jié)合蟻群算法，進(jìn)行定期的自學(xué)習(xí)，把結(jié)果存入知識(shí)庫(kù)，就能有效且快速的確定誤差時(shí)間I庫(kù)。由于誤差時(shí)間近似服從高斯分布，即PEXP（I2/（22）/（2）1/2）（3）式中P概率密度；I第I個(gè)神經(jīng)元的誤差時(shí)間；標(biāo)準(zhǔn)差對(duì)于第I個(gè)神經(jīng)元，第N次學(xué)習(xí)，誤差時(shí)間NI的計(jì)算公式為公式4J1|NI|（3|TNISNI|/MQNI1）/（1Q）（4）M式中Q遺忘速度，取值01；M取50|NI|第I個(gè)神經(jīng)元，第N次學(xué)習(xí)無(wú)故障運(yùn)行時(shí)的最大誤差時(shí)間的理論值TN第N次激發(fā)的神經(jīng)元運(yùn)行時(shí)間的實(shí)際值SN第N次激發(fā)的神經(jīng)元運(yùn)行時(shí)間的理論值這樣，通過(guò)觀察神經(jīng)網(wǎng)絡(luò)中被激發(fā)的神經(jīng)元和將被激發(fā)神經(jīng)元的觸突連接、激發(fā)關(guān)系可以判斷運(yùn)行過(guò)程是否正常，實(shí)現(xiàn)在線監(jiān)控；通過(guò)對(duì)故障神經(jīng)元的重激發(fā)和重入，實(shí)現(xiàn)系統(tǒng)的在線故障排除。通過(guò)對(duì)環(huán)境的自學(xué)習(xí)而實(shí)現(xiàn)本神經(jīng)網(wǎng)絡(luò)的在線監(jiān)控參數(shù)NI可隨著環(huán)境的變化自調(diào)節(jié)，從而提高了系統(tǒng)的自適應(yīng)能力和可靠性。3在線自診斷的實(shí)現(xiàn)方法31硬件設(shè)計(jì)為提高系統(tǒng)監(jiān)控的可靠性，克服系統(tǒng)本身受干擾而癱瘓，系統(tǒng)采用雙CPU結(jié)構(gòu)。硬件結(jié)構(gòu)如圖2。圖2硬件結(jié)構(gòu)圖考慮到可靠性高、綜合成本低、精度高、調(diào)試方便、抗干擾能力強(qiáng)、系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，選用一片ADI公司的ADUC812高精度數(shù)據(jù)采集片上系統(tǒng)芯片作主系統(tǒng)實(shí)現(xiàn)A/D、D/A、單片機(jī)系統(tǒng)的全部功能。ADUC812包含8通道12BITSARA/D，無(wú)噪聲14位，速度10KHZ；2通道12位D/A，速度15US；8KE2PROM程序存儲(chǔ)器；640字節(jié)FLASHROM數(shù)據(jù)存儲(chǔ)器；工業(yè)標(biāo)準(zhǔn)8052核；精密基準(zhǔn)電壓源；時(shí)鐘頻率最高16MHZ?？紤]到價(jià)格便宜，可靠性高，體積小，采用89C2051作為實(shí)時(shí)監(jiān)控主系統(tǒng)。89C2051包含2KE2PROM程序存儲(chǔ)器；時(shí)鐘頻率最高20MHZ；20腳芯片。采用IMP690A芯片作為硬件監(jiān)控，它能為單片機(jī)提供可靠的上電、掉電復(fù)位低電壓早期報(bào)警，“看門(mén)狗”及后備電池管理、寫(xiě)保護(hù)等功能，同時(shí)還具有抗高溫及短路保護(hù)功能，能極大的提高系統(tǒng)的抗干擾能力和系統(tǒng)的可靠性。32神經(jīng)元結(jié)構(gòu)的在線自檢測(cè)程序?qū)崿F(xiàn)敏感頭信號(hào)調(diào)理電路數(shù)據(jù)采集片上系統(tǒng)信息接口監(jiān)控系統(tǒng)模擬輸出總線被測(cè)量IMP690A激發(fā)信號(hào)響應(yīng)信號(hào)J1神經(jīng)元結(jié)構(gòu)的在線自檢測(cè)程序程序流程如圖3，主系統(tǒng)監(jiān)控系統(tǒng)圖3神經(jīng)元結(jié)構(gòu)的在線自檢測(cè)程序流程圖4監(jiān)控系統(tǒng)性能分析41故障覆蓋率MCU系統(tǒng)受電磁干擾而發(fā)生故障主要有系統(tǒng)程序“跑飛”、部分寄存器改變兩種。傳統(tǒng)方法采用電壓比較器對(duì)電源監(jiān)控，采用“看門(mén)狗”對(duì)程序監(jiān)控，只能檢測(cè)出系統(tǒng)飛死故障，當(dāng)發(fā)生程序出現(xiàn)“跑飛”時(shí)，由于“跑飛”到任意標(biāo)號(hào)的概率是相同的，而MCU系統(tǒng)平均一條指令占2字節(jié)，故程序跳過(guò)一段程序，正好進(jìn)入另一條指令的概率為50。故障檢測(cè)率低于50，且不能檢測(cè)出發(fā)生部分寄存器改變的故障。利用神經(jīng)網(wǎng)絡(luò)模型，由于“跑飛”到任意標(biāo)號(hào)的概率是相同的，而N一般小于10字節(jié)指令的運(yùn)行時(shí)間，故障檢出率的計(jì)算公式為公式（5）PW110/M（4）式中M存儲(chǔ)空間，本系統(tǒng)為8K所以，本系統(tǒng)故障檢出率大于99，同時(shí)，由于系統(tǒng)不斷對(duì)比關(guān)鍵寄存器值，能及時(shí)發(fā)現(xiàn)部分寄存器改變的故障。42故障檢出時(shí)間本方案的故障檢出時(shí)間小于單個(gè)神經(jīng)元細(xì)胞的運(yùn)行時(shí)間，可以檢測(cè)變周期運(yùn)行系統(tǒng)所以在對(duì)外狀態(tài)發(fā)生改變之前總可以檢出故障，不會(huì)出現(xiàn)檢出時(shí)間太長(zhǎng)，并因此而引起連鎖反應(yīng)，造成直接經(jīng)濟(jì)損失。而傳統(tǒng)方案由于檢出時(shí)間不發(fā)出刺激響應(yīng)信號(hào)響應(yīng)激發(fā)信號(hào)產(chǎn)生INT1中斷產(chǎn)生INT0中斷，啟動(dòng)T1產(chǎn)生INT1中斷，終止T1發(fā)出激發(fā)終止信號(hào)激活第N個(gè)神經(jīng)元，運(yùn)行細(xì)胞核程序計(jì)算AN、YAN1、Y1NI，發(fā)出激發(fā)信號(hào)恢復(fù)原狀態(tài)，NN，發(fā)出激發(fā)信號(hào)T1超時(shí)中斷可變，“看門(mén)狗”的定時(shí)總要大于程序最長(zhǎng)運(yùn)行時(shí)間，無(wú)法克服這一缺點(diǎn)。43故障誤檢及在線故障修復(fù)由于本方案采用神經(jīng)元網(wǎng)絡(luò)的自學(xué)習(xí)算法，可有效克服系統(tǒng)時(shí)間基準(zhǔn)會(huì)發(fā)生頻率漂移產(chǎn)生的故障誤檢，誤判概率03，同時(shí)，采用神經(jīng)元網(wǎng)絡(luò)的重入技術(shù)，不但可實(shí)現(xiàn)系統(tǒng)的在線故障修復(fù)，同時(shí)可克服故障誤檢出現(xiàn)的系統(tǒng)故障。本方案把系統(tǒng)分成許多神經(jīng)元模塊，利于邏輯編程和結(jié)構(gòu)化設(shè)計(jì)，是一種提高程序可靠性和運(yùn)行的穩(wěn)定的好方法。當(dāng)然，這種方法要求衡量閾值觸突程序的運(yùn)行時(shí)間遠(yuǎn)小于細(xì)胞核程序的運(yùn)行時(shí)間，所以只適用對(duì)速度要求不高的智能傳感器系統(tǒng)。5小結(jié)本文介紹了一種利用神經(jīng)網(wǎng)絡(luò)