一種機(jī)載計(jì)算機(jī)故障分類管理策略研究

張弛 毛寧 謝宇辰 中國(guó)航空工業(yè)集團(tuán)公司西安航空計(jì)算技術(shù)研究所

在機(jī)載計(jì)算機(jī)應(yīng)用領(lǐng)域，為確保系統(tǒng)的高可靠性和強(qiáng)測(cè)試性，設(shè)計(jì)時(shí)分別會(huì)從系統(tǒng)、硬件、軟件等角度進(jìn)行故障模式分析，找出影響系統(tǒng)安全的所有故障，并對(duì)故障進(jìn)行檢測(cè)和管理。通常會(huì)在軟件中進(jìn)行BIT測(cè)試，包括上電BIT、初始化BIT、周期BIT等，檢測(cè)和定位計(jì)算機(jī)自身的各種故障，首先會(huì)將故障信息進(jìn)行存儲(chǔ)，存儲(chǔ)內(nèi)容涉及故障編碼、故障時(shí)間、故障信息狀態(tài)等；其次會(huì)根據(jù)設(shè)計(jì)好的故障管理策略，采取適當(dāng)?shù)拇胧员ＷC系統(tǒng)發(fā)生故障時(shí)，將性能損失降低到最小，從而保證飛行安全。

本文介紹一種機(jī)載計(jì)算機(jī)故障分類方法，可從不同維度對(duì)故障進(jìn)行判定和管理，在系統(tǒng)檢測(cè)到故障發(fā)生時(shí)，根據(jù)故障分類的不同，軟件采取不同的管理辦法，有效保證了故障管理的正確性和可靠性。

1 故障設(shè)置及判別

為方便進(jìn)行故障查詢、記錄、傳輸、管理和維護(hù)，設(shè)計(jì)時(shí)應(yīng)對(duì)每條故障都設(shè)置一個(gè)唯一的故障編碼。故障發(fā)生，首先則會(huì)置故障標(biāo)志并存放在以故障編碼為檢索索引的連續(xù)內(nèi)存區(qū)域中。故障按照嚴(yán)重程度可以被劃分為不同等級(jí)，等級(jí)越高表明故障越嚴(yán)重。各種故障信息，既可以通過(guò)各類通訊接口發(fā)送給其他機(jī)載計(jì)算機(jī)或設(shè)備，同時(shí)如果該故障需在內(nèi)部非易失存儲(chǔ)器中存儲(chǔ)，則將該故障寫入。

不同的故障檢測(cè)可在軟件的不同部分進(jìn)行，例如可以在初始化程序、后臺(tái)任務(wù)、實(shí)時(shí)任務(wù)中進(jìn)行。一般大多數(shù)故障檢測(cè)是在實(shí)時(shí)任務(wù)中完成的。而在實(shí)時(shí)任務(wù)中，又可以根據(jù)故障檢測(cè)所需要的頻繁程度將故障分置在不同的周期任務(wù)中。

2 故障分類及管理策略

因?yàn)楣收系陌l(fā)生可能是偶然因素導(dǎo)致或是“硬傷”導(dǎo)致，不同故障對(duì)系統(tǒng)的影響程度也不同，且許多故障往往具有很強(qiáng)的關(guān)聯(lián)性和誘發(fā)性，因此需對(duì)所有故障建立不同的分類，從各個(gè)維度進(jìn)行故障類型標(biāo)記，建立并實(shí)施不同的管理策略。根據(jù)故障發(fā)生的頻繁程度，可以分為瞬時(shí)故障和永久故障；根據(jù)故障發(fā)生對(duì)系統(tǒng)產(chǎn)生的影響，可以分為一般故障和嚴(yán)重故障；根據(jù)故障之間的因果關(guān)系，可以設(shè)置關(guān)聯(lián)故障。

2.1 瞬時(shí)故障和永久故障的管理

機(jī)載計(jì)算機(jī)的故障從故障時(shí)間或者故障特性角度分為瞬時(shí)故障和永久故障。瞬時(shí)故障一般是由于外界擾動(dòng)引起的，短時(shí)間內(nèi)可恢復(fù)正常的故障；永久故障是指機(jī)載計(jì)算機(jī)不可恢復(fù)的硬故障。

瞬態(tài)故障和永久故障的判斷可以采用雙閾值方法進(jìn)行，不在設(shè)計(jì)時(shí)進(jìn)行預(yù)設(shè)，其中，較低的閾值用于永久性故障的判斷，較高的閾值用于瞬態(tài)故障的判斷。當(dāng)某條故障由于持續(xù)多個(gè)周期發(fā)生而較快達(dá)到故障時(shí)延，則該故障為永久性故障；當(dāng)某條故障經(jīng)過(guò)多次反復(fù)才達(dá)到故障時(shí)延，則該故障為瞬態(tài)故障。瞬態(tài)故障和永久故障的判斷流程見圖1所示。

2.2 一般故障和嚴(yán)重故障的管理

機(jī)載計(jì)算機(jī)的故障從故障信息狀態(tài)或者系統(tǒng)控制角度分為一般故障和嚴(yán)重故障。一般故障是指機(jī)載計(jì)算機(jī)的某個(gè)通道或通道中的某個(gè)模塊故障，仍可對(duì)系統(tǒng)進(jìn)行控制情況下的故障；嚴(yán)重故障是指計(jì)算機(jī)的故障，導(dǎo)致其喪失對(duì)系統(tǒng)進(jìn)行控制的能力。一般故障和嚴(yán)重故障是設(shè)計(jì)時(shí)預(yù)設(shè)的。

當(dāng)機(jī)載計(jì)算機(jī)的一般故障發(fā)生時(shí)，只需對(duì)故障進(jìn)行記錄和上報(bào)操作，對(duì)故障可能造成的影響，利用預(yù)設(shè)的安全值進(jìn)行保護(hù)輸出。

機(jī)載計(jì)算機(jī)嚴(yán)重故障一般包括CPU故障、FLASH校驗(yàn)和錯(cuò)誤、SRAM訪問(wèn)錯(cuò)誤、周期任務(wù)超時(shí)、堆棧越界、軟件跑飛導(dǎo)致看門狗報(bào)警、重要參數(shù)無(wú)法獲得等，這些故障一旦發(fā)生，一方面需要在非易失存儲(chǔ)器中進(jìn)行故障編碼記錄，另一方面應(yīng)進(jìn)行產(chǎn)品自動(dòng)復(fù)位和復(fù)位次數(shù)紀(jì)錄，若復(fù)位次數(shù)未達(dá)到預(yù)設(shè)的上限，且在復(fù)位重啟后產(chǎn)品工作正常，不再有任何的嚴(yán)重故障發(fā)生，則無(wú)需再對(duì)產(chǎn)品進(jìn)行復(fù)位或其他操作，若復(fù)位后又不斷有嚴(yán)重故障發(fā)生，一旦達(dá)到預(yù)設(shè)上限，則產(chǎn)品無(wú)需繼續(xù)不斷復(fù)位，將進(jìn)入保護(hù)模式，可以只進(jìn)行輸入信號(hào)的采集，不應(yīng)再對(duì)外輸出，因?yàn)檫@時(shí)產(chǎn)品被認(rèn)為是不可靠的。無(wú)論是否達(dá)到復(fù)位次數(shù)的預(yù)設(shè)上限，一旦復(fù)位次數(shù)不為零，就應(yīng)通過(guò)通訊接口將故障信息發(fā)送到維護(hù)設(shè)備中，可以進(jìn)行故障分析和處理，保證產(chǎn)品的安全可靠。

圖1 瞬態(tài)故障和永久故障的判斷流程

2.3 關(guān)聯(lián)故障的管理

關(guān)聯(lián)故障是為了提高產(chǎn)品的測(cè)試性而設(shè)計(jì)，可以避免某個(gè)故障的發(fā)生導(dǎo)致其他故障一起發(fā)生時(shí)，所有故障都被記錄和顯示，造成故障定位的困難。其含義可解釋如下：若B、C……故障可引起A故障的發(fā)生，則將B、C……故障標(biāo)記為A故障的關(guān)聯(lián)故障，這樣的關(guān)聯(lián)關(guān)系是設(shè)計(jì)時(shí)預(yù)設(shè)的。利用關(guān)聯(lián)故障可以將一些觸發(fā)條件較多的故障細(xì)化，同時(shí)避免不必要的故障記錄占據(jù)存儲(chǔ)單元。當(dāng)某故障的一條或多條關(guān)聯(lián)故障發(fā)生時(shí)，該故障不會(huì)被記錄，只會(huì)記錄其關(guān)聯(lián)故障，計(jì)算機(jī)產(chǎn)品認(rèn)為該故障是由其關(guān)聯(lián)故障引起的，但是該故障及其關(guān)聯(lián)故障均應(yīng)通過(guò)通訊接口送到維護(hù)設(shè)備中進(jìn)行檢查。

3 結(jié)語(yǔ)

本文通過(guò)預(yù)設(shè)或?qū)崟r(shí)監(jiān)測(cè)的方法，對(duì)瞬時(shí)故障和永久故障，一般故障和嚴(yán)重故障，以及關(guān)聯(lián)故障進(jìn)行了描述，通過(guò)對(duì)不同故障增加類型標(biāo)記，可以在故障發(fā)生時(shí)，采取有效合理的管理策略，這樣的分類方法可以廣泛應(yīng)用于機(jī)載計(jì)算機(jī)領(lǐng)域。