[发明专利]一种基于知识库的FPGA故障自动诊断方法

摘要

本发明公开一种基于知识库的FPGA故障自动诊断方法，该方法首先结构化存储FPGA设计和验证过程中发生的故障信息；然后根据新故障案例的特征信息进行故障检索，再依据故障发生过程、故障特征等信息，匹配最具关联性和相似性的故障信息，并向用户展示详细内容和故障解决方案，解决新故障。本发明利用在FPGA设计验证过程中已经获得的故障经验和方法，构建知识库系统，直观显示故障详细信息和解决方法，能准确、方便、快捷地定位故障问题，极大地提高了FPGA设计验证人员在调试解决故障时的效率。

主权项

1.一种基于知识库的FPGA故障自动诊断方法，其特征在于，该方法包括如下步骤：（1）获取FPGA故障信息，并把FPGA故障信息格式化为统一格式，包括故障的发生过程、故障的表现状态和故障的解决方案等内容，作为故障知识库的信息来源，建立故障知识库；（2）对FPGA故障案例进行数据分析，通过提取关键词之间的语义关系来获得故障案例之间的关系，用权重值表示之间关系的紧密程度，用于故障案例的自动匹配；在知识库中检索故障的特征词，首先寻找与关键词匹配程度最高的故障知识，再根据检索到的知识与知识库中的其他知识进行相似度计算，寻找与现在发生的故障最可能相似的知识；该步骤通过以下子步骤来实现：（2.1）对构建出的知识库进行语义挖掘分析，得出一个以关键词为节点、关键词间相互关系为带权重的边的有向图；（2.2）将表示FPGA故障知识库的某条知识文本di映射为一个特征向量：v(di)=(t1,w1(di);…;tn, wn(di))，其中ti（i=1,….,n）是特征词，是出现在文档中且能代表文档含义的基本单位；wi(i=1,….,n)是特征词ti在文档中的权重，用来度量文档di与特征词ti之间的关联度；（2.3）通过计算特征词的词频和逆文档词频后，得出该文档的特征向量；利用步骤2.1得出的有向图对特征词进行更新加权；假设在有向图中存在一条有向边（e1,e2），而且e1和e2在特征向量中的权重都不为0，那么将特征向量中和的权重以(e1,e2)边的权重w作为缩放因子进行相乘，以此得到更新后的表示知识内容的特征向量；（2.4）在步骤2.3计算完知识的特征向量后，再根据余弦算法计算知识间的相似度，把知识D1和D2以向量形式和表示，相似度计算公式为：如果相似度大于预先定义的阈值，则认为知识间具有一定的相似性，可能会是所要查找的故障知识，则把查找出的知识作为故障案例推荐给用户；（2.5）如果在知识库中没有找到需要的案例，则认为出现了新的故障知识；因此通过后台系统，把故障信息、解决方案等内容添加到知识库中；对更新后的知识库重新进行训练分析，重新计算得到新的有向图；（3）如果未找到相似知识，则把当前的故障案例作为新的知识添加到知识库中，并根据步骤2提取和计算新知识与其他知识之间的关系。