基于可重构计算的高可靠星载计算系统关键问题研究

It has significant importance to explore the Earth orbit space and the whole Universe, which lead the huge investment of this area from all major governments around the world. Due to its flexibility and performance, SRAM FPGAs have been used in on-board computers gradually. However, some of essential characteristics makes it especially vulnerability to the harsh working environment in out space, which leads to low reliability. Under this background, this project aims to study the methods and techniques that can analyze and improve the reliability of on-board computers based on SRAM FPGAs. More specifically, we will focus on following three problems: first, a method for reliability analysis based on design code, second, a novel fault injection and evaluation method based on the new hardware modules and features in latest SRAM FPGAs, and third, new anti-SEU placing and routing algorithms. By combining above three technologies, we expect to improve the reliability of SRAM FPGA designs effectively, and push the space exploration technology moving forward.

探索地球外层空间以及整个宇宙具有重要的工业和军用价值和意义,因而各国政府纷纷投入大量人力及资源。基于可重构计算的SRAM型FPGA在性能、成本和灵活性方面的优势,因此逐渐被应用到航天器上。然而,SRAM型FPGA的自身特点使得它们非常容易受到恶劣工作环境影响。本项目以此为背景,研究SRAM型FPGA在高可靠星载计算机的若干关键问题,具体包括三个方面。首先对设计数据文件进行分析,识别不同组件在单粒子翻转事件下的敏感度,指导后续的布局布线算法和电路加固技术,有效提高整体电路的可靠性,其次是基于FPGA内部新型硬件结构的故障注入与分析方法,从而为研究和改进可靠性提供有效的评估工具,加速算法改进和迭代过程。最后是研究抗单粒子翻转效应的布局布线算法。通过结合上述三种方法，给出改进SRAM型FPGA应用于星载计算机系统的可靠性方法，从而促进我国航空航天中计算机技术的应用和发展。

人类对地外空间的探索具有重要的意义，同时也面临许多的挑战。其中两个最大的挑战是可靠性和大数据处理。地外空间环境非常复杂，除了极端的高低温之外，还会面临包括高能粒子在内的恶劣电磁环境。此外，空间飞行器与地球的通信链路带宽一般非常有限，因此很多采集到的数据需要星载计算机系统进行预处理。这些挑战给星载计算机系统的可靠性以及性能提出了巨大的挑战。本项目以此为背景展开了相关工作，研究星载计算系统的体系结构和有关算法。项目从三个方面展开，分别是：SRAM型FPGA抗SEU干扰的布局布线算法、基于机器学习的星载计算机系统大数据预处理，以及星载系统的安全性。提出了一种新的FPGA抗SEU干扰的布局布线算法，申请并获得了一项软件著作权。在星载大数据处理方面，以遥感卫星图片中的目标识别为背景，设计采用深度学习的算法，提高了星载计算系统的数据处理能力，从而降低对星-地通信链路的带宽需求。本项目的研究成果在提高星载计算机系统的性能、可靠性和安全性都具有重要的参考价值。