基于FPGA的TMR方法改進(jìn)策略

　　2.1 TMR與Scrubbing結(jié)合

　　由于TMR本身不具備錯誤模塊修復(fù)能力，若僅一個模塊出現(xiàn)錯誤時，系統(tǒng)功能不受影響，但如果在另一個模塊出現(xiàn)錯誤前不能對已出現(xiàn)的錯誤模塊進(jìn)行修復(fù)，那么冗余方法會失效。所以當(dāng)出現(xiàn)一個錯誤的時候，必須及時地對出錯的模塊進(jìn)行修復(fù)。

　　隨著動態(tài)可重構(gòu)技術(shù)的發(fā)展，出現(xiàn)了Scrubbing這種對FPGA進(jìn)行配置的方法。由于對于空間電子系統(tǒng)來說影響最嚴(yán)重的是SEU等軟故障，而軟故障可以通過重構(gòu)來解決，所以周期性地對配置存儲器進(jìn)行刷新可以實現(xiàn)對這類錯誤的修復(fù)。

　　Scrubbing和TMR配合使用對防止SEU的產(chǎn)生可以起到很好的效果。但很多研究同樣只考慮到單個錯誤的影響，而忽略了多個SEU同時出現(xiàn)的可能性。理論上一個快速的刷新率可以保證某一時間內(nèi)只有一個錯誤的存在。然而實際中錯誤的出現(xiàn)是隨機(jī)的，這意味著任何刷新率都不能保證在一個刷新周期內(nèi)最多只出現(xiàn)一個錯誤。在實際中使用這種方法時，必須通過復(fù)雜的實驗過程對SEU出現(xiàn)的概率進(jìn)行估計。選取Scru-bbing的刷新率的經(jīng)驗原則是使刷新率比估算的出錯率高一個數(shù)量級。而現(xiàn)在隨著FPGA的規(guī)模越來越大，用來裝載整個配置位流的時間會達(dá)到幾百毫秒，刷新率更得不到保障，且系統(tǒng)功耗增大。

　　隨著部分TMR的實現(xiàn)，可以設(shè)計出具有檢錯和定位功能的表決器，當(dāng)某個模塊出錯時，表決器的信號直接觸發(fā)重構(gòu)功能，動態(tài)地只對出錯部分的電路進(jìn)行重構(gòu)。這樣可以解決Scrubbing時間和功耗的問題，并為防止錯誤積累提供了解決途徑。

　　為了防止表決器出錯，表決器可以采用對輻射不敏感的器件來實現(xiàn)而替代基于SRAM的材料，這樣提高了表決器的穩(wěn)健性。文獻(xiàn)也提出了一種改進(jìn)的表決器。它不再使用多數(shù)表決器對三個冗余模塊的輸出進(jìn)行表決，而是將三個冗余模塊相應(yīng)的輸出通過三態(tài)緩沖器和少數(shù)表決器后分別由FPGA的三個輸出管腳輸出，最后在印刷電路板(PCB)上“線或”為一個信號。少數(shù)表決器電路負(fù)責(zé)判斷本冗余模塊的信號是否是少數(shù)

　　值，如果是少數(shù)值，則相對應(yīng)的緩沖器輸出高阻，如果不是，則使相應(yīng)的信號正常輸出。

　　Readback是在Scrubbing的基礎(chǔ)上發(fā)展起來的。它是指將配置數(shù)據(jù)回讀與最初的配置數(shù)據(jù)進(jìn)行比較，發(fā)現(xiàn)錯誤后進(jìn)行重構(gòu)。文獻(xiàn)中使用了這樣的方法，另外它還采用了糾錯碼來保護(hù)配置數(shù)據(jù)。每一個配置幀的數(shù)據(jù)被12位的see-dec漢明碼保護(hù)，而且FPGA中每個基本單元的識別碼都不一樣，通過ICAP(InternalConfiguration Access Port)回讀配置文件后，糾錯碼可以給出錯位的位置。

　　Scrubbing可以在不中斷電路工作的情況下修復(fù)SEU在LUT、布線矩陣和CLB中所造成的功能錯誤。但是它不能改變LUT中觸發(fā)器中的內(nèi)容，所以它也就不能重置寄存器的狀態(tài)。當(dāng)存儲單元的值發(fā)生了翻轉(zhuǎn)，此時只能通過系統(tǒng)復(fù)位來得到修復(fù)。然而系統(tǒng)復(fù)位將使系統(tǒng)功能中斷，嚴(yán)重影響系統(tǒng)的性能。

　　2.2 小粒度TMR技術(shù)

　　隨著部分動態(tài)重構(gòu)技術(shù)的出現(xiàn)，產(chǎn)生了小粒度的TMR方法。可以以較小的粒度為步長，采用合理的布局與布線實現(xiàn)TMR以達(dá)到要求的資源開銷并得到最大的可靠性。文獻(xiàn)中對在出現(xiàn)多個錯誤的情況下不同粒度TMR的容錯性能進(jìn)行了實驗分析，結(jié)果表明小粒度TMR比以整個系統(tǒng)為粒度進(jìn)行TMR的效果好。

　　在全局TMR不可行的情況下(例如資源有限)，小粒度TMR是一個較好的選擇，可以在使用較少資源的情況下提高系統(tǒng)的可靠性。由于不是對所有的模塊都采用冗余措施，所以在實現(xiàn)的時候必須著重于對那些可以相對更高地提高系統(tǒng)可靠性的模塊應(yīng)用TMR技術(shù)。此時表決器的數(shù)量和位置也是一個需要考慮的問題。由于采用三模冗余的模塊前后需要額外的布線，而邏輯電路和布線資源都對SEU敏感，所以這樣的結(jié)果會降低系統(tǒng)可靠性。如圖2所示，圖中陰影部分是對SEU敏感的，由圖可以看出(c)中敏感的部分比(b)中多，這是由于表決器和額外的布線造成的。所以需要限制三模冗余電路和未采用三模冗余的電路的轉(zhuǎn)變，這樣可以通過集中使用三模冗余技術(shù)而提高系統(tǒng)可靠性。

　　為了選擇需要進(jìn)行三模冗余的模塊并進(jìn)行合理的布局布線，將系統(tǒng)出現(xiàn)的錯誤分為持續(xù)性錯誤和非持續(xù)性錯誤。持續(xù)性的錯誤是指由SEU產(chǎn)生的改變了電路內(nèi)部狀態(tài)的錯誤;非持續(xù)性錯誤是指可以通過FPGA重構(gòu)而消除的錯誤，而持續(xù)性錯誤在重構(gòu)后依然存在。

　　結(jié)合以上的分析，實施部分TMR的優(yōu)先級別如下：

　　第一級是會產(chǎn)生持續(xù)性錯誤的部分。

　　第二級是會導(dǎo)致能產(chǎn)生連續(xù)性錯誤電路部分出錯的電路，以降低TMR和非TMR之間的轉(zhuǎn)換為準(zhǔn)則。

　　第三級是會產(chǎn)生持續(xù)性錯誤電路的前向部分，同樣以降低TMR和非TMR之間的轉(zhuǎn)換為準(zhǔn)則。

　　第四級是與會產(chǎn)生持續(xù)性錯誤電路部分獨立的部分。

　　可以通過靜態(tài)的分析來對電路進(jìn)行劃分。這里存在的問題是在標(biāo)準(zhǔn)的全局TMR中，所有的輸入、輸出以及時鐘都進(jìn)行了三模冗余，而使用部分TMR時，對I/O以及時鐘的冗余有可能不能被實現(xiàn)。和沒有采用TMR的邏輯電路一樣，沒有進(jìn)行TMR的時鐘和I/O同樣可以產(chǎn)生不能被檢測的錯誤。

　　由實驗結(jié)果來看，由于此方法主要著重于能產(chǎn)生持續(xù)性錯誤的電路部分，所以當(dāng)所使用的冗余資源增多時，持續(xù)性的錯誤出現(xiàn)的幾率很快的降低，最終幾乎全部被克服掉。所以采用部分TMR可以在資源和可靠性間達(dá)到平衡，在最小限度影響可靠性的條件下，最大限度地提高資源利用率。

　　另外，一個翻轉(zhuǎn)有可能改變配置存儲器中控制布線的配置位，而使得兩個不同冗余模塊間的連線短路，這樣一個翻轉(zhuǎn)影響了TMR中不止一個模塊，導(dǎo)致輸出錯誤。而配置資源中的90%都用來控制布線，所以這個問題是需要考慮的。產(chǎn)生這種錯誤的可能性還依賴于TMR的布局，而TMR的布局直接依賴于多數(shù)表決器的數(shù)量。當(dāng)表決器增多時，模塊之間需要額外的連接，所以各模塊必須靠得很近，這樣使得一次翻轉(zhuǎn)導(dǎo)致模塊之間短路的可能性增加。為了降低會影響TMR穩(wěn)健性的產(chǎn)生改變布線的錯誤的可能性，必須最大可能地減少各個模塊之間的連接。如果多數(shù)表決器的數(shù)量可以被降下來，那么模塊之間的連接可以減少。

　　解決這個問題的方法是采用較大粒度的TMR以降低它們之間的連接，且表決器只應(yīng)用在電路輸出部分。但同時又出現(xiàn)了一個新的問題，例如為對存儲單元的狀態(tài)進(jìn)行修復(fù)，Xilinx提出了將表決器應(yīng)用在有寄存器的地方并加入反饋以糾正翻轉(zhuǎn)對寄存器中值的影響的XTMR方法，如果內(nèi)部的表決器被去掉，那么出錯部分存儲單元的錯誤將得不到糾正，所以重構(gòu)后它與其他模塊工作的狀態(tài)不同步。

　　文獻(xiàn)中解決這個問題的方法是通過從外部存儲器中讀取存儲的工作狀態(tài)。但是這個方法需要三個模塊離線后才能進(jìn)行狀態(tài)的存儲和重置進(jìn)而達(dá)到同步。顯然可行性不高，尤其是對實時性要求高的電路。

　　針對此問題，文獻(xiàn)提出了一種同步技術(shù)，該技術(shù)TMR系統(tǒng)中采用狀態(tài)寄存器復(fù)制機(jī)制，并在三個冗余模塊之間引入數(shù)據(jù)通路來傳輸狀態(tài)寄存器的數(shù)據(jù)。當(dāng)某一個冗余模塊發(fā)生故障被局部重構(gòu)后，能夠通過接受主控制器的令牌，從正常模塊復(fù)制狀態(tài)寄存器的數(shù)據(jù)來完成同步而及時地恢復(fù)工作。該方法縮短了故障模塊從修復(fù)到重新加入系統(tǒng)工作的時間，從而減小發(fā)生故障積累的概率，提高冗余系統(tǒng)的可靠性。

　　另一種方法是預(yù)測其他模塊最快會達(dá)到的狀態(tài)，然后對重構(gòu)后的模塊進(jìn)行狀態(tài)的預(yù)置。這時只需使要重構(gòu)的模塊停止工作而不影響其他兩個模塊的工作，當(dāng)工作模塊的狀態(tài)和預(yù)置的狀態(tài)同步時，三個模塊又一起工作。此時狀態(tài)選擇是一個問題，這個狀態(tài)到達(dá)的頻率必須很高，而且會在較快時間內(nèi)到達(dá)，另外多個狀態(tài)可以提高效率但同時會使預(yù)置信號寬度增加。

　　如果寄存器中狀態(tài)不可預(yù)測，例如寄存器鏈和加法器，那么不能使用這個方法，所以這種方法需要改進(jìn)以提高其適應(yīng)性。在TMR各模塊布線時，盡量將它們相隔有一定的距離，這樣也可以降低一個模塊出現(xiàn)錯誤后對其他模塊造成影響的可能性。