如今的设备都十分关注寿命和可靠性,芯片温度的上升将会导致寿命大大降低,故障无法及时发现使得可靠性降低,常用的解决办法是通过休眠使得芯片在空闲期间尽快降温,通过故障诊断及时发现系统的故障,为了不影响设备使用,这些功能会被安排在系统空闲时运行。这些功能的运行伴随着的一些问题,在休眠时的瞬间启动将造成系统功率较大波动使得电源模块寿命下降,在空闲期间进行故障诊断可能影响设备启动,所以如何合理的利用空闲时间,如何在系统空闲期间合理的安排休眠以及故障诊断等模式成为了重要研究课题。本文的研究是针对反复工作的数据采集系统进行模式管理研究。研究的模式有正常工作模式、浅度休眠模式、深度休眠模式和自检模式,同时针对空闲时间长度的不同,设计了不同的模式管理方案。为了评估模式管理效果,设计了一项指标,该指标为有效管理率,有效管理率为系统正确选择模式管理方案同时顺利执行对应模式的概率,本文的研究目标是系统能在1秒内从空闲状态切换成正常工作状态,并且有效管理率达到90%。本文是基于空闲时间预测算法来实现模式管理,根据预测的空闲时间长度来选择合适的模式管理方案。研究对比了指数平滑算法、ARIMA算法、GM(1,1)算法以及指数平滑算法与GM(1,1)算法取平均值的效果以及特点,选择利用指数平滑算法和GM(1,1)算法设计模式管理策略,并指出可利用这两种算法的加权平均提高模式管理效果,最后利用这两种算法输入数量不同的特点对本文的模式管理策略进行了设计。本文对模式管理策略进行了测试,通过将不同阈值和权值进行组合进行测试,找到了最佳的阈值和权值的组合使得有效管理率达到了90%,达到了本文的目标。最后经过仔细分析,本文最终的模式管理策略与采用其他预测算法的策略相比,在保证快速启动的前提下,能做到增加深度休眠时间的同时对电源模块造成的负担更小,同时进行故障诊断的次数也更多,符合本文模式管理研究的目标。