RU2669509C2 - Способ контроля работоспособности вычислительной системы и схема контроля для его реализации - Google Patents
Способ контроля работоспособности вычислительной системы и схема контроля для его реализации Download PDFInfo
- Publication number
- RU2669509C2 RU2669509C2 RU2016148959A RU2016148959A RU2669509C2 RU 2669509 C2 RU2669509 C2 RU 2669509C2 RU 2016148959 A RU2016148959 A RU 2016148959A RU 2016148959 A RU2016148959 A RU 2016148959A RU 2669509 C2 RU2669509 C2 RU 2669509C2
- Authority
- RU
- Russia
- Prior art keywords
- computing system
- components
- switches
- inputs
- outputs
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000013528 artificial neural network Methods 0.000 claims abstract description 35
- 230000006870 function Effects 0.000 claims abstract description 12
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 4
- 230000003862 health status Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 230000036541 health Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 244000309464 bull Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000368 destabilizing effect Effects 0.000 description 1
- 230000005662 electromechanics Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/008—Reliability or availability analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Neurology (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Hardware Redundancy (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Изобретение относится к области вычислительной техники. Технический результат заключается в обеспечении оперативного контроля работоспособности вычислительных систем. Способ контроля работоспособности вычислительной системы состоит в следующем. Проводят декомпозицию вычислительной системы схемы и выделяют составные части, которые реализуют заданные функции. В вычислительную систему добавляют коммутаторы, которые обеспечивают взаимные связи составных частей между собой. Коммутатор содержит память, где записана таблица коммутации входов и выходов. Составные части вычислительной системы подсоединяют к коммутаторам. Коммутаторы соединяют друг с другом. Входы и выходы коммутаторов подсоединяют к внешней схеме контроля, которая принимает решение о работоспособном состоянии или отказе вычислительной системы. Внешняя схема контроля включает обученную искусственную нейронную сеть, которая состоит из слоев. Число слоев нейронной сети определяется количеством составных частей вычислительной системы. 2 н.п. ф-лы, 4 ил.
Description
Изобретение относится к области вычислительной техники, к цифровым вычислительным системам.
Технический результат - контроль работоспособности вычислительных систем в процессе работы, оперативное обнаружение их отказов.
В работоспособном состоянии все параметры, описывающие работу вычислительной системы и ее способность выполнять заданные функции, находятся в установленных диапазонах значений. В неработоспособном состоянии хотя бы один из параметров, описывающих работу системы и ее способность выполнять заданные функции, вышел за пределы установленного диапазона значений. (Надежность технических систем. Справочник под ред. Ушакова И.А. - М.: Радио и связь, 1985. - 606 с.).
При контроле работоспособности выполняют измерения сигналов, характеризующих состояние вычислительной системы, проводят их усреднение и затем сравнивают результат с интервалом допустимых значений или с заданной величиной с учетом допуска.
Мгновенное значение контрольного сигнала зависит от многочисленных факторов и может меняться случайным образом. Случайные изменения контрольного сигнала, например, под действием помех или вследствие колебаний напряжения питания, не должны приводить к отказам вычислительной системы.
Известны следующие основные способы контроля сигналов работоспособного состояния: абсолютный, последовательный и адаптивный (Тихонов В.И. Статистическая радиотехника. 2-е изд. Перераб. и доп.[Текст] / В.И. Тихонов. – М.: Радио и связь. 1982. - 624 с.).
При абсолютном способе контроля вычисляют среднее значение контрольного сигнала:
где yi(ti) - отсчеты контрольного сигнала в момент времени ti, n - объем выборки.
Затем среднее значение контрольного сигнала сравнивают с заданным пороговым значением Un. с учетом допуска.
Абсолютный способ контроля сигнала имеет следующий недостаток.
Под действием различных факторов (в том числе - колебаний напряжения питания, воздействия электромагнитных помех, погрешности измерений) происходят случайные изменения уровня контрольного сигнала. Воздействие дестабилизирующих факторов приводит к выходу среднего значения за границы допуска, снижает эффективность контроля работоспособного состояния, приводит к ложному обнаружению отказа вычислительной системы.
Последовательный способ контроля сигнала описан в работах В.И. Тихонова, И.В. Никифорова, М. Бассвиль, А. Вилски, А. Банвениста (Никифоров И.В., Применение кумулятивных сумм для обнаружения изменения характеристик случайного процесса. [Текст] / И.В. Никифоров. Автоматика и телемеханика, 1979, №2, с. 48-58, Обнаружение изменения свойств сигналов и динамических систем. Перевод с англ.[Текст] / М. Бассвиль, А. Вилски, А. Банвенист и др., Под ред. М. Бассвиль, А. Банвениста. - М.: Мир., 1980. - 278 с.).
При последовательном способе контроля сигнала вычисляется значение решающей статистики Si:
где Si - значение решающей статистики; Λi - отношение правдоподобия; i=1, … n - индекс.
Отношение правдоподобия Λi рассчитывается по формуле:
где W1(⋅), W2(⋅) - плотности распределения вероятностей контрольного сигнала, соответственно, в работоспособном и неработоспособном состоянии вычислительной системы; yi - отсчеты контрольного сигнала в моменты времени ti; θ1, θ2 - средние уровни контрольного сигнала, соответственно, в работоспособном и неработоспособном состоянии, ⋅Δt - интервал времени между отсчетами контрольного сигнала.
В работоспособном состоянии вычислительной системы значение Si выше порога. Значение решающей статистики сверху ограничивают пороговым значением.
При отказах вычислительной системы решающая статистика Si уменьшается до нуля и затем принимает отрицательное значение. Значение решающей статистики снизу ограничивают нулем.
Последовательный способ контроля сигналов имеет следующие недостатки.
1. Устройство контроля необходимо настраивать на средние значения сигнала в работоспособном и неработоспособном состоянии θ1 и θ2. Требуется указать среднее значение контрольного сигнала до и после отказа, что не всегда возможно.
2. При приеме контрольного сигнала на фоне интенсивных помех устройство может принимать ложное решение.
3. При отказе может меняться закон распределения контрольного сигнала, а также параметры его статистического распределения.
Адаптивный способ контроля сигналов использует оценку среднего значения (см. формулу (1)) в сочетании с последовательным способом контроля сигнала (см. формулу (2)). Оценка среднего значения сигнала подставляется в формулу решающей статистики (3) при работоспособном состоянии, как значение θ1. Ожидаемое среднее значение контрольного сигнала после отказа подставляется в формулу (3) как значение θ2 (Беляков И.В., Суханова Н.В. Совместное обнаружение-оценивание сигналов в информационных каналах систем железнодорожной автоматики. [Текст] / И.В. Беляков, Н.В. Суханова // Известия ВУЗов. Электромеханика, 1997, №4-5, С. 80-82).
Адаптивный способ контроля сигналов имеет следующие недостатки.
1. Решение о неработоспособном состоянии технической системы принимается с запаздыванием, вызванным накоплением решающей статистики.
2. Разность оценок среднего уровня сигнала в неработоспособном и работоспособном состоянии (θ2-θ1) может уменьшиться, устройство контроля может пропустить отказ вычислительной системы.
3. Адаптация допустима только на заданном интервале значений контрольного сигнала.
В сложных вычислительных системах количество контролируемых сигналов измеряется сотнями и тысячами. Для каждого сигнала требуется реализовать устройство контроля работоспособности, что увеличивает затраты и снижает эффективность сложных способов контроля работоспособного состояния вычислительной системы.
Предлагается использовать абсолютный способ контроля сигналов, основанный на допусковом контроле.
Для контроля работоспособного состояния вычислительной системы предлагается использовать искусственную нейронную сеть (ИНС).
На входы ИНС подают значения контролируемых сигналов. На выходе ИНС формируется сигнал работоспособного или неработоспособного состояния вычислительной системы. Число нейронов входного слоя ИНС зависит от числа контролируемых сигналов. Число нейронов выходного слоя ИНС зависит от числа работоспособных и неработоспособных состояний вычислительной системы.
ИНС предварительно обучается. Обучающая выборка содержит значения входных и выходных сигналов. При обучении ИНС на входы подают обучающую выборку, включающую входные и выходные сигналы. В работоспособном состоянии на выходе ИНС формируется сигнал «1». В неработоспособном состоянии на выходе ИНС формируется сигнал «0».
Для контроля каждого входного сигнала предлагается использовать фрагмент ИНС, реализованный как слой. Таким образом, ИНС будет состоять из множества слоев, где каждый слой реализует однотипную схему контроля работоспособности.
В заявленном изобретении предложен новый способ контроля работоспособности вычислительных систем.
Сначала вычислительная система приводится к виду системы с коммутаторной архитектурой. Коммутаторные вычислительные системы были разработаны и описаны в книгах Каляева А.В. и Каляева И.А. (Каляев А.В. Многопроцессорные системы с программируемой архитектурой [Текст] / А.В. Каляев. - М.: Радио и связь., 1984. - 240 с., Каляев И.А., Левин И.И., Семериков Е.А., Шмойлов В.И. Реконфигурируемые мультиконвейерные вычислительные структуры[Текст] / И.А. Каляев, И.И. Левин, Е.А. Семериков, В.И. Шмойлов. - Ростов-на-Дону: Издательство ЮНЦ РАН, 2008. - 393 с.). В известных многопроцессорных системах коммутаторная архитектура использовалась для потоковой обработки данных. В заявленном изобретении коммутаторная архитектура используется для контроля работоспособного состояния вычислительной системы.
Суть заявленного изобретения состоит в том, что вычислительная система разделяется на составные части, в соответствии с выполнением заданных функций. Составные части соединяются друг с другом через коммутаторы. Отказ составной части приводит к отказу вычислительной системы, она утрачивает способность выполнять хотя бы одну из заданных функций. Для контроля работоспособности составных частей и вычислительной системы используется внешняя схема контроля, реализованная как многослойная ИНС. Входы внешней схемы контроля подсоединены к входам и выходам составных частей через входы и выходы коммутаторов.
Наиболее близкий аналог (прототип) изобретения - это коммутаторная нейронная сеть (Кабак И.С., Суханова Н.В. Нейронная сеть. Заявители Кабак И.С., Суханова Н.В. Патент на полезную модель №66831, приоритет 27.09.2007). Коммутаторная нейронная сеть включает нейроны и коммутаторы. Коммутаторы реализуют взаимные связи между нейронами.
Заявленный способ контроля работоспособного состояния вычислительной системы иллюстрируется графическими материалами, см. фиг. 1-4.
На фиг. 1-4 показан пример последовательности действий, составляющих заявленный способ контроля работоспособного состояния вычислительной системы.
На фиг. 1 показана схема вычислительной системы, где выделены составные части, в соответствии с выполняемыми функциями.
На фиг. 2 показана схема коммутаторной вычислительной системы, где составные части соединены между собой через коммутаторы.
На фиг. 3 показана внешняя схема контроля, которая подсоединена к входам и выходам коммутаторов. Внешняя схема контроля работоспособного состояния вычислительной системы реализована как ИНС со слоистой структурой.
На фиг. 4 показана внешняя схема контроля на базе многослойной ИНС. Выделены слои, которые контролируют работоспособное состояние составных частей вычислительной системы.
Заявленный способ контроля работоспособного состояния вычислительной системы состоит в следующем.
1. Проводят декомпозицию вычислительной системы и в ней выделяют составные части, выполняющие заданные функции, см. блоки 1-3, фиг. 1. Уровни входных и выходных сигналов составных частей характеризуют способность вычислительной системы выполнять заданные функции.
2. В вычислительную систему добавляют коммутаторы 4, выполненные с возможностью взаимного соединения составных частей, см. фиг. 2. Число коммутаторов, подсоединенных к каждой составной части, зависит от количества входных и выходных сигналов составных частей и количества входов и выходов коммутатора. Входные и выходные сигналы составных частей подключают к входам и выходам коммутаторов, коммутаторы соединяют друг с другом по входам и выходам, а первый и последний коммутаторы соединяют, соответственно, с входами и выходами вычислительной системы. Коммутаторы содержат информационные и управляющие входы и выходы, а также память, где хранится таблица взаимных связей входов и выходов. Управляющие входы коммутатора содержат адреса входов и адреса выходов, между которыми устанавливаются взаимные связи. Управляющие входы коммутатора используются для записи информации в память коммутаторов. Элемент таблицы взаимных связей коммутатора Kij равен 0, если отсутствует связь между i-тым входом и j-тым выходом, и равен 1, если имеется связь между i-тым входом и j-тым выходом.
3. Входы и выходы коммутаторов 4 подсоединяют к входам внешней схемы контроля работоспособного состояния 5, см. фиг. 3.
4. Внешняя схема контроля работоспособного состояния 5 содержит обученную ИНС. ИНС выполнена с функциональной возможностью оценки среднего значения входных сигналов и сравнения с сигналами заданного уровня. ИНС строится по слоям, где каждый слой выполняет контроль уровней входных и выходных сигналов составных частей вычислительной системы. ИНС принимает решение о работоспособном состоянии или отказе вычислительной системы по результатам контроля работоспособного состояния составных частей. Выходы всех слоев образуют выходные сигналы ИНС.
Преимуществами заявленного способа контроля работоспособности вычислительных систем являются:
1) исключение дополнительного технологического оборудования, схем для формирования тестовых последовательностей и контрольно-измерительной аппаратуры;
3) исключение технологических перерывов в работе вычислительной системы для проведения периодических проверок, сокращение интервала времени с момента проверки работоспособности до применения;
4) оперативное обнаружение отказов в процессе работы вычислительной системы.
Достигаемым техническим результатом является оперативный контроль работоспособности вычислительных систем, экономическим результатом является сокращение эксплуатационных затрат.
Технический результат заявленного изобретения обеспечивается за счет того, что сначала проводят декомпозицию вычислительной системы и в ней выделяют составные части, выполняющие заданные функции, причем уровни входных и выходных сигналов составных частей характеризуют способность вычислительной системы выполнять заданные функции, согласно изобретению, в вычислительную систему добавляют коммутаторы, выполненные с возможностью взаимного соединения составных частей, затем входные и выходные сигналы составных частей подключают к входам и выходам коммутаторов, коммутаторы соединяют друг с другом по входам и выходам, а первый и последний коммутаторы соединяют, соответственно, с входами и выходами вычислительной системы, после чего входы и выходы коммутаторов подсоединяют к входам внешней схемы контроля работоспособного состояния, которая выполняет контроль входных и выходных сигналов составных частей и принимает решение о работоспособном состоянии или отказе вычислительной системы.
Технический результат заявленного изобретения обеспечивается за счет того, что согласно изобретению, схема контроля работоспособного состояния для реализации заявленного способа, включает обученную искусственную нейронную сеть, которая состоит из слоев, причем число слоев определяется количеством составных частей вычислительной системы, на входы первого и последнего слоев поступают, соответственно, входные и выходные сигналы вычислительной системы, на входы i-того слоя поступают входные и выходные сигналы i-ой составной части вычислительной системы, где каждый слой выполнен с функциональной возможностью контроля значений входных сигналов ИНС с учетом допуска, причем выходы всех слоев образуют выходные сигналы ИНС, а ИНС принимает решение о работоспособном состоянии вычислительной системы и формирует выходные сигналы по результатам контроля работоспособного состояния всех составных частей вычислительной системы.
Коммутатор может быть реализован на базе патента «Многофункциональный коммутатор» (Патент на изобретение 2139567, МПК G06F 15/163. Многофункциональный коммутатор[Текст] / B.C. Князьков, Л.А. Васин: заявитель и патентообладатель Пензенский технологический институт (ВТУЗ), заявлен 11.06.1997, опубликован 10.10.1999).
Внешняя схема контроля может быть реализована на базе патента «Многослойная модульная вычислительная система» (Патент на изобретение 2398281, Российская Федерация, МПК 7 G06N 3/06 Многослойная модульная вычислительная система [Текст] / Соломенцев Ю.М., Шептунов С.А., Кабак И.С., Суханова Н.В.: заявитель и патентообладатель Федеральное государственное бюджетное учреждение науки Институт конструкторско-технологической информатики Российской академии наук (ИКТИ РАН). - №2008143737; заявл. 07.11.2008; опубл. 27.08.2010, Бюл. №24 - 8 с.: ил.).
Заявленные в изобретении способ и схема контроля работоспособного состояния вычислительной системы могут быть реализованы аппаратными или аппаратно-программными средствами на базе микропроцессоров, микроконтроллеров, нейрочипов и программных средств для реализации нейронных сетей.
Указанные в независимом пункте формулы признаки являются существенными и взаимосвязаны между собой с образованием устойчивой совокупности необходимых признаков, достаточной для получения требуемого технического результата.
Свойства, регламентированные в заявленном способе отдельными признаками, общеизвестны из уровня техники и не требуют дополнительных пояснений.
Следует отметить, что заявленная совокупность существенных признаков обеспечивает в соединении синергетический (сверхсуммарный результат).
Таким образом, вышеизложенные сведения свидетельствуют о выполнении при использовании заявленного способа следующей совокупности условий:
- заявленный способ имеет практическое применение, предназначен для контроля работоспособности вычислительных систем;
- для заявленного способа в том виде, как он охарактеризован в независимом пункте нижеизложенной формулы, подтверждена возможность его осуществления с помощью указанных в заявке или известных из уровня техники на дату приоритета средств и методов;
- при осуществлении способа достигается усматриваемый заявителем технический результат.
На основании изложенного, заявленный способ повышения отказоустойчивости схем соответствуют требованию условия патентоспособности «новизна» и «изобретательский уровень».
Claims (3)
1. Способ контроля работоспособного состояния вычислительной системы, когда сначала проводят декомпозицию вычислительной системы и в ней выделяют составные части, выполняющие заданные функции, причем уровни входных и выходных сигналов составных частей характеризуют способность вычислительной системы выполнять заданные функции,
отличающийся тем, что в вычислительную систему добавляют коммутаторы, выполненные с возможностью взаимного соединения составных частей, затем входные и выходные сигналы составных частей подключают к входам и выходам коммутаторов, коммутаторы соединяют друг с другом по входам и выходам, а первый и последний коммутаторы соединяют, соответственно, с входами и выходами вычислительной системы, после чего входы и выходы коммутаторов подсоединяют к входам внешней схемы контроля работоспособного состояния, которая выполняет контроль входных и выходных сигналов составных частей и принимает решение о работоспособном состоянии или отказе вычислительной системы.
2. Схема контроля работоспособного состояния для реализации способа по п. 1, отличающаяся тем, что она включает обученную искусственную нейронную сеть (ИНС), которая состоит из слоев, причем число слоев определяется количеством составных частей вычислительной системы, на входы первого и последнего слоев поступают соответственно входные и выходные сигналы вычислительной системы, на входы i-го слоя поступают входные и выходные сигналы i-й составной части вычислительной системы, где каждый слой выполнен с функциональной возможностью контроля значений входных сигналов ИНС с учетом допуска, причем выходы всех слоев образуют выходные сигналы ИНС, а ИНС принимает решение о работоспособном состоянии вычислительной системы и формирует выходные сигналы по результатам контроля работоспособного состояния всех составных частей вычислительной системы.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2016148959A RU2669509C2 (ru) | 2016-12-14 | 2016-12-14 | Способ контроля работоспособности вычислительной системы и схема контроля для его реализации |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2016148959A RU2669509C2 (ru) | 2016-12-14 | 2016-12-14 | Способ контроля работоспособности вычислительной системы и схема контроля для его реализации |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| RU2016148959A3 RU2016148959A3 (ru) | 2018-06-14 |
| RU2016148959A RU2016148959A (ru) | 2018-06-14 |
| RU2669509C2 true RU2669509C2 (ru) | 2018-10-11 |
Family
ID=62619452
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2016148959A RU2669509C2 (ru) | 2016-12-14 | 2016-12-14 | Способ контроля работоспособности вычислительной системы и схема контроля для его реализации |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2669509C2 (ru) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2760636C2 (ru) * | 2018-12-19 | 2021-11-29 | Федеральное государственное автономное учреждение науки Институт конструкторско-технологической информатики Российской академии наук (ИКТИ РАН) | Отказоустойчивая нейронная сеть, способ обнаружения отказов нейронной сети, способ обеспечения отказоустойчивости нейронной сети |
| RU2792920C1 (ru) * | 2022-06-14 | 2023-03-28 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Способ контроля для функциональной реконфигурации вычислительной системы |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5423024A (en) * | 1991-05-06 | 1995-06-06 | Stratus Computer, Inc. | Fault tolerant processing section with dynamically reconfigurable voting |
| RU2139567C1 (ru) * | 1997-06-11 | 1999-10-10 | Пензенский технологический институт (ВТУЗ) | Многофункциональный коммутатор |
| US6141769A (en) * | 1996-05-16 | 2000-10-31 | Resilience Corporation | Triple modular redundant computer system and associated method |
| RU2250501C2 (ru) * | 2003-06-16 | 2005-04-20 | Государственное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина)" | Нейросетевое дискретное операционное устройство |
| RU66831U1 (ru) * | 2007-04-02 | 2007-09-27 | Илья Самуилович Кабак | Нейронная сеть |
| RU2309451C2 (ru) * | 2005-04-19 | 2007-10-27 | Государственное образовательное учреждение высшего профессионального образования Московский государственный институт электроники и математики (технический университет) | Способ управления компьютерной сетью и система для его осуществления |
| RU2398281C2 (ru) * | 2008-11-07 | 2010-08-27 | Учреждение Российской академии наук Институт конструкторско-технологической информатики РАН (ИКТИ РАН) | Многослойная модульная вычислительная система |
| RU2455681C1 (ru) * | 2010-12-09 | 2012-07-10 | Федеральное государственное унитарное предприятие научно-исследовательский институт "Субмикрон" | Отказоустойчивая вычислительная система с аппаратно-программной реализацией функций отказоустойчивости и динамической реконфигурации |
| RU146951U1 (ru) * | 2014-05-07 | 2014-10-20 | Дмитрий Маркович Шпрехер | Устройство прогнозирования остаточного ресурса электромеханической системы |
-
2016
- 2016-12-14 RU RU2016148959A patent/RU2669509C2/ru not_active IP Right Cessation
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5423024A (en) * | 1991-05-06 | 1995-06-06 | Stratus Computer, Inc. | Fault tolerant processing section with dynamically reconfigurable voting |
| US6141769A (en) * | 1996-05-16 | 2000-10-31 | Resilience Corporation | Triple modular redundant computer system and associated method |
| RU2139567C1 (ru) * | 1997-06-11 | 1999-10-10 | Пензенский технологический институт (ВТУЗ) | Многофункциональный коммутатор |
| RU2250501C2 (ru) * | 2003-06-16 | 2005-04-20 | Государственное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина)" | Нейросетевое дискретное операционное устройство |
| RU2309451C2 (ru) * | 2005-04-19 | 2007-10-27 | Государственное образовательное учреждение высшего профессионального образования Московский государственный институт электроники и математики (технический университет) | Способ управления компьютерной сетью и система для его осуществления |
| RU66831U1 (ru) * | 2007-04-02 | 2007-09-27 | Илья Самуилович Кабак | Нейронная сеть |
| RU2398281C2 (ru) * | 2008-11-07 | 2010-08-27 | Учреждение Российской академии наук Институт конструкторско-технологической информатики РАН (ИКТИ РАН) | Многослойная модульная вычислительная система |
| RU2455681C1 (ru) * | 2010-12-09 | 2012-07-10 | Федеральное государственное унитарное предприятие научно-исследовательский институт "Субмикрон" | Отказоустойчивая вычислительная система с аппаратно-программной реализацией функций отказоустойчивости и динамической реконфигурации |
| RU146951U1 (ru) * | 2014-05-07 | 2014-10-20 | Дмитрий Маркович Шпрехер | Устройство прогнозирования остаточного ресурса электромеханической системы |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2760636C2 (ru) * | 2018-12-19 | 2021-11-29 | Федеральное государственное автономное учреждение науки Институт конструкторско-технологической информатики Российской академии наук (ИКТИ РАН) | Отказоустойчивая нейронная сеть, способ обнаружения отказов нейронной сети, способ обеспечения отказоустойчивости нейронной сети |
| RU2792920C1 (ru) * | 2022-06-14 | 2023-03-28 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Способ контроля для функциональной реконфигурации вычислительной системы |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2016148959A3 (ru) | 2018-06-14 |
| RU2016148959A (ru) | 2018-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Karimpouli et al. | A new approach to improve neural networks' algorithm in permeability prediction of petroleum reservoirs using supervised committee machine neural network (SCMNN) | |
| Zhou et al. | Strong tracking filtering of nonlinear time-varying stochastic systems with coloured noise: Application to parameter estimation and empirical robustness analysis | |
| CN105553422A (zh) | 一种联合多检测信号的光伏系统故障电弧检测方法 | |
| Zeng et al. | A model-based reliability metric considering aleatory and epistemic uncertainty | |
| CN103140814A (zh) | 用于检测冗余传感器信号中的移位的系统、方法和设备 | |
| CN109828227A (zh) | 一种基于电流信息特征的电子式电流互感器故障诊断方法 | |
| CN103140813A (zh) | 用于检测不规则传感器信号噪声的系统、方法和设备 | |
| RU2669509C2 (ru) | Способ контроля работоспособности вычислительной системы и схема контроля для его реализации | |
| CN105825288B (zh) | 一种消除复杂系统中回归数据共线性问题的优化分析方法 | |
| CN105573855A (zh) | 一种用于故障树决策图分析的模块化事件排序方法 | |
| Sahrani et al. | Artificial Neural network non-linear auto regressive moving average (narma) model for internet traffic prediction | |
| Feng et al. | An integrated reliability model of hardware-software system | |
| Mohiuddin et al. | Improving the reliability of system by standby redundancy method | |
| Georgiev et al. | Evaluation of Technical Condition of a Radar with Redundancy | |
| CN106059065B (zh) | 基于在值控制措施的安全稳定自适应紧急控制决策方法 | |
| RU2699056C1 (ru) | Способ обеспечения надежности вычислительных систем при различных архитектурах избыточности | |
| Ambasana et al. | Automated frequency selection for machine-learning based EH/EW prediction from S-Parameters | |
| Cervantes et al. | Contingency ranking in power systems via reliability rates | |
| RU2345492C2 (ru) | Способ диагностирования средств связи телекоммуникационных систем | |
| Grzechca et al. | Use of neuro-fuzzy system to time domain electronic circuits fault diagnosis | |
| Ghanbari et al. | Selective load reduction in power grids in order to minimise the effects of cascade failures | |
| Gvozdev et al. | Analysis of the GRID’s Basic Topological Structure Reliability | |
| Du et al. | The component importance evaluation of power converter based on complex network | |
| Egan et al. | Machine Learning Using High-Precision Data for Fault Location | |
| Wang et al. | Research on modeling method based on multi-signal flow model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| HZ9A | Changing address for correspondence with an applicant | ||
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20201215 |