买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉成都海擎科技有限公司申请的专利一种基于分布式的FPGA部分动态重构组件化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120011304B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510091569.1，技术领域涉及：G06F15/78；该发明授权一种基于分布式的FPGA部分动态重构组件化方法是由李建清;王珂;陈建岷设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本一种基于分布式的FPGA部分动态重构组件化方法在说明书摘要公布了：本发明涉及一种基于FPGA分布式组件的智能重构方法，首先通过收集历史数据，整理成数据集后，输入到系统状态预测模型中进行训练，得到训练好的模型；对系统进行初始化后，通过对各节点进行实时监控，并将监控数据送入训练好的系统状态预测模型中进行预测得到未来系统的状态，如果未来系统状态出现异常，则制定FPGA动态重构决策并执行，以保证系统的稳定性；无异常则继续进行系统状态监控；当触发一定条件时，模型会根据近期收集到的数据进行迭代更新，从而保证系统的更长期的稳定性。本发明结合深度学习技术，在系统运行过程中进行实时的状态监控和预测，能够对未来可能发生的阻塞、资源冲突或性能下降等问题进行精准预测。

本发明授权一种基于分布式的FPGA部分动态重构组件化方法在权利要求书中公布了：1.一种基于分布式的FPGA部分动态重构组件化方法，其特征在于，包括以下步骤： 步骤一、对多台FPGA服务器的运行状态进行监控与数据收集，采集服务器的历史监控数据，包括CPU使用率、内存使用率、硬盘使用率三种历史负载状态数据； 步骤二、对历史监控数据进行预处理操作：首先对CPU使用率、内存使用率、硬盘使用率三种数据进行零均值归一化处理；然后对数据进行标准化裁剪，裁剪为多个长度为m的样本；并为每个样本生成样本标签：若某一个样本其后两个小时内的数据均未出现满荷负载情况，将该样本的标签置为0，否则置为1； 归一化处理表达式如下： 其中，X表示原始数据，X*表示归一化后的数据，μ表示原始数据的均值，δ表示原始数据的标准差；μ、δ具体表达式如下： n为样本数量，xi为原始数据中的第i个样本； 步骤三、利用步骤二得到的数据训练深度学习网络模型；网络的结构为三输入单输出的网络结构，每个输入层的输入尺寸为1*8192*1，每个输入层之后使用由网络使用卷积、标准化和池化构成的CNN网络特征提取模块；CNN网络特征提取模块首先对输入的特征矩阵使用卷积核进行特征提取，提取结果和输入数据进行矩阵叠加并使用标准化处理，最后进行池化处理；对数据依次使用512、256、128个卷积核模块对三个输入进行特征处理，并进行1*2的池化，得到三个尺寸为1*1024*128的特征矩阵；三个CNN网络特征提取模块的输出再通过网络特征连接模块按照特征矩阵拼接方法进行拼接后得到1*1024*384的特征矩阵；继续输入依次由64、128、256、512个卷积核模块构成的CNN网络特征提取模块进行特征处理，得到1*64*512的特征向量，进行平坦化之后使用512维的全连接模块进行特征收敛，最后通过1维的全连接进行输出； 步骤四、对分布式FPGA服务集群进行系统初始化：首先对FPGA硬件资源进行自检与验证，确保逻辑单元、存储单元、时钟管理模块以及通信接口正常运行；接着，系统加载基础配置文件，初始化动态重构控制器，预设重构区域与可重构逻辑模块的分区，并建立动态重构管理表； 步骤五、系统启动监控模块，完成集群系统状态的实时监控，对集群各个服务器节点的CPU使用率、内存使用率、硬盘使用率进行实时采集； 步骤六、对实时采集的数据进行归一化与标准化剪裁处理后，输入到步骤三训练好的深度学习网络模型中进行预测，得到未来系统状态结果并进行异常状态判别；当系统不存在异常时，则返回步骤五进行实时监控；当系统存在异常时，则找的异常服务器节点，生成动态重构方案； 步骤七、执行FPGA动态重构方案，利用FPGA动态部分重构技术，加载新的Bitstream到指定区域或暂停FPGA组件服务，对重构后的FPGA服务器进行自检，确保各个组件正常运行。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都海擎科技有限公司，其通讯地址为：610000 四川省成都市高新区科园二路10号1栋1单元4层2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。