【摘 要】
:
全局固定优先级(Global Fixed Priority,GFP)多处理器调度可实现实时嵌入式系统的多任务并行,但增加了实时分析难度。解决GFP多处理器调度实时分析的关键是找到一个临界时刻,因为该临界时刻可导致最坏响应时间(Worst Case Response Time,WCRT)。然而,在目前实时分析基础理论条件下,抢占式的GFP多处理器调度尚未能找到临界时刻,故无法从理论上证明出最优解,这
论文部分内容阅读
全局固定优先级(Global Fixed Priority,GFP)多处理器调度可实现实时嵌入式系统的多任务并行,但增加了实时分析难度。解决GFP多处理器调度实时分析的关键是找到一个临界时刻,因为该临界时刻可导致最坏响应时间(Worst Case Response Time,WCRT)。然而,在目前实时分析基础理论条件下,抢占式的GFP多处理器调度尚未能找到临界时刻,故无法从理论上证明出最优解,这也是国际上实时分析理论的经典难题。国内外学者提出了诸多近似解来获得GFP多处理器调度下的WCRT上界,但找到更紧凑的WCRT上界的优化空间非常有限,阻碍了GFP多处理器调度的实时分析理论发展。基于窗口分析框架的负载划分方法成为了当前主流分析方法,但这些主流分析方法侧重于优化前部负载,忽略了中部负载和后部负载中也存在分析悲观性的事实。一方面,本文找准了后部负载中存在与被分析任务并行执行的情况,保守减去最小并行时间,优化后部干扰;另一方面,本文通过决定作业释放时刻构造整体最大干扰场景,为GFP多处理器调度的WCRT上界计算提供了新思路。本文的创新工作具体如下:(1)提出了后部干扰优化的可证明实时分析理论。当前主流分析方法假设后部干扰由所有后部负载贡献,忽略了存在并行后部负载的事实。提出的方法首先判断每个高优先级任务的后部负载在窗口末端是否与被分析任务并行执行,接着从后部负载中保守减去最小并行时间作为后部干扰,然后对最大总干扰进行合理修正,最后推导出更紧凑的WCRT边界并证明该边界仍然安全。实验表明,与当前主流分析方法相比,提出的方法实现了至少4%以上的性能提升。(2)提出了整体最大干扰优化的可证明实时分析理论。当前主流分析方法采用负载划分方法进行实时分析,忽略了各个子部分都会引入分析悲观性的事实。提出的方法首先构造高优先级任务的最紧干扰模式,确保产生最多干扰作业,接着构造第一个作业的最大干扰值,确保最大程度延迟被分析任务开始执行的时刻,然后安排每个作业在多处理器上的执行时间与位置,最后推导出更紧凑的WCRT边界并证明了该边界仍然安全。实验表明,与当前主流分析方法相比,提出的方法实现了至少5.2%以上的性能提升。
其他文献
随着互联网技术的飞速发展,促进了工业化和信息化的深度融合,相关人员能够更加便捷地对工业控制系统进行管控与监控。但是,工业系统遭受网络攻击数量也在逐年增长。导致这一变化的外部原因是互联网的接入打破了工业网络的封闭性,内部原因是工业系统本身存在潜在威胁。异常检测是一种高效识别数据集中离群点的方法。目前,应用于传统信息网络的许多异常检测模型存在检测时间复杂度高和准确率低等问题,不适用于实时性需求高的工业
压力注浆锚杆由于承载力高、经济性好和施工简便等技术优点在施工现场受到了广泛的应用。注浆压力直接影响锚-土界面粘结强度,进而影响锚杆的承载性能。因此,研究清楚注浆压力对锚杆锚-土界面粘结特性的影响对压力注浆锚杆的设计与施工具有重要的理论和工程意义。为此,本文主要完成的工作以及获得的成果如下:(1)首先,针对湖南省衡阳市某边坡施工现场的红黏土开展了物理力学性质试验,获得了试验用土的物理力学性质指标。其
视频监控成为现代社会中维护治安以及案件侦查中不可或缺的一部分,其可以准确有效的记录某段时空下的音频、视频信息。通过对监控信息的分析以筛查,可以完成特定人员查找、路线追踪等。但是,使用传统方法或者人工方式需要消耗大量的人力和时间成本。自行人重识别(Person Re-identification,本文中的Person Re ID,Re ID特指行人重识别)提出以来,该问题得到了一定的缓解。但是行人重
随着我国金融市场的不断开放,金融产品不断推陈出新,金融产品的风险管理越来越受到重视。股指基金由于交易费用低、能够分散风险、轻松跟踪大盘的优势吸引了越来越多的资本投入,金融机构尤其是基金公司创立了许多股指基金投资组合,因此,对股指基金组合进行风险管理已越来越受金融机构重视。许多实证研究发现金融资产收益率分布具有尖峰厚尾特征,如果采用正态分布拟合收益率数据将低估金融资产的风险,因此,本文将运用极值理论
以碳化硅(silicon carbide,SiC)MOSFET为代表的第三代宽禁带半导体器件,已广泛应用于开关电源、电动汽车和智能电网等领域。由于SiC MOSFET的高速开关能力,低导通压降,耐高温等优势使其成为替代Si IGBT的重要器件。但是SiC MOSFET的高速开关和低阻尼特性导致的开关振铃严重影响了其高可靠应用。振铃可能造成器件误触发从而损坏器件本身,增加功率损耗,并引入大量的电磁干
二十一世纪以来,新能源汽车产业不断发展,其以绿色环保等特点成为当下世界各国汽车工业的发展潮流。纯电动客车作为当今城市公交系统的主要交通工具,市民对其乘坐舒适性的要求也有所提升。同时大型公交客车与其他客车不同,其空间更大,并且车身结构由骨架和蒙皮组成,所以对大型公交客车振动噪声控制的难度更大。本论文以某企业所研发的一款纯电动大型公交客车为研究对象,在实验中发现此车型的噪声值较大,并具有进一步提升其声
无人驾驶是汽车行业未来的发展方向,而决策模块是限制其发展的重要环节。由于强化学习是通过智能体与环境交互产生控制命令,同时考虑长期回报,十分符合无人驾驶决策过程,所以本文用强化学习方法建立决策模型。强化学习分为无模型方法与基于模型方法。其中,无模型方法存在学习速度慢,样本利用率低的问题;基于模型的方法决策效果受环境状态预测模型影响较大,另外使用预测模型优化策略会造成控制延迟,难以满足决策实时性要求。
随着电动化与智能化浪潮席卷全球,能源转型已经成为现代工业发展的必经之路。电机作为电驱动系统的核心,引起了各行各业的广泛关注。其中,永磁同步电机(Permanent Magnet Synchronous Machine,PMSM)凭借高运行效率、高启动转矩、小体积等优点,被广泛使用。其应用场景涉及精密伺服控制、运载装备牵引驱动、风力发电等诸多领域。矢量控制(Field Oriented Contro
金、银纳米材料的可调等离子体性能使其成为最广泛使用的金属纳米粒子。但其有限的稳定性限制了它们在生物医学领域的发展。其中,银纳米粒子(AgNanoparticles,AgNPs)差的抗氧化性和潜在的生物毒性限制了它的使用,而金纳米粒子(AuNanoparticles,AuNPs)虽然具有更强的化学惰性,但是高温环境下仍不可避免的会团聚变形。为了在苛刻外部环境下,维持AuNPs、AgNPs的等离子体性
电气化交通、能源互联网、新一代移动通信等产业的发展转型对电力电子设备提出了更高的要求,如更高效率、更高功率密度和更高可靠性,而现有硅基功率半导体器件的性能难以满足发展需求。碳化硅(Silicon carbide,SiC)MOSFET具有高开关速度、低导通损耗、高热导率等优异特性,将广泛应用于中大功率场合的高效、高功率密度变换器设计,具有广阔的应用前景。然而,SiC MOSFET在应用过程中面临着高