论文部分内容阅读
信息物理系统(Cyber-Physical Systems,CPS)的兴起打破了传统的工业自动化和控制系统生产固定化的瓶颈,并促进了工业CPS的发展。由传感器、执行器、处理器和异构网络搭建的嵌入式系统对复杂、大型的工业生产线提供广泛灵活的支持。与此同时,工业CPS高度集成的特性和规模庞大的生产线使得可靠性、成本等问题日益突出。降低成本、保障可靠性是工业CPS应用设计和生产时的重要指标之一。本文针对工业CPS应用的成本优化与设计展开研究,实现从面向工业CPS应用的资源成本和硬件成本优化,到面向汽车信息物理系统(Automotive CyberPhysical Systems,ACPS)应用的开发成本优化,最后到面向信息物理云系统(Cyber-Physical Cloud Systems,CPCS)应用的冗余优化和面向预算约束CPCS应用的成本设计。本文主要工作和创新点概括如下:1、研究面向可靠的工业CPS应用的资源成本优化问题。本文提出了一种高效且时间复杂度低的资源消耗成本优化算法MRCRG。MRCRG通过预分配技术将并行应用的可靠性目标转移到每个任务的可靠性需求简化问题的复杂性。然后通过启发式的思路在每个任务分配中,MRCRG总是选择能产生最小资源消耗成本的处理器,同时满足任务的可靠性需求从而实现资源成本的优化。在真实工业CPS应用上的实验证明,与典型优化算法MaxRe与RR算法相比,所提出的算法获得最小的资源消耗成本。2、研究面向可靠的工业CPS应用的硬件成本优化问题。本文提出了三种硬件成本设计优化算法EHCO,EEHCO和SEEHCO,实现了具有可靠性约束的工业CPS应用的硬件成本优化。其中EHCO迭代地移除处理器,但不能移除足够的处理器使得在满足应用的功能安全要求的同时产生最小的硬件成本。EEHCO通过调用RE算法来增强应用的可靠性值,而不违反任务的优先约束和应用的实时需求,从而提高了满足功能安全要求的可能性以优化硬件成本。SEEHCO通过简化EEHCO的循环数来适应大规模工业CPS应用的硬件成本设计优化。实验证明,相对于IHCO算法EEHCO可以获得最低的硬件成本,而SEEHCO与现有算法相比对于大规模应用更加有效。3、研究面向可靠的ACPS应用的开发成本优化问题。该问题被分解为两个子问题,即计算汽车安全完整性等级(Automotive Safety Integration Level,ASIL)分解方案的可靠性和最小化开发成本。首先针对ISO26262标准提供的汽车安全完整性等级ASIL的分解方案,提出RCS算法来计算每个ASIL分解方案的可靠性值来解决第一个子问题。然后通过提出MDCRG算法在满足每个方案的可靠性的约束下选择能产生最小的开发成本的分解方案解决第二个子问题。最后通过实验证明MDCRG算法相对于最新算法MDC和GARG算法能产生更小的开发成本同时相对于GARG拥有更低的时间复杂度。4、研究面向可靠的CPCS应用冗余优化问题。通过使用容错的技术实现满足系统可靠性需求的情况下优化冗余,并提出两种冗余优化算法:充足复制冗余算法ERRM和启发式复制冗余最小化算法HRRM。其中ERRM算法在可靠性下界算法LBR的基础上通过迭代的预选择来抉择出产生最大可靠性的冗余任务,直到满足整个应用的可靠性从而产生最低的冗余。考虑到ERRM算法的高时间复杂度,HRRM算法采用启发式的方式通过预分配方案改进RR算法入口任务可靠性的分配不均问题从而实现以低时间复杂度优化冗余。通过在不同规模,并行性和异构性的真实和随机生成的CPCS应用的实验结果证明,相对于最新算法MaxRe算法和RR算法,ERRM可以产生最小冗余而HRRM以较低的计算时间实现近似的最小冗余。5、研究面向预算约束的CPCS应用成本设计问题。本文提出一种低时间复杂度的启发式算法MECABP,实现了具有成本预算约束的CPCS应用的能耗优化。通过提出可用预算预分配方法,对成本预算和实际产生成本之间的松弛加以利用,将总的成本预算进行转移,合理的分配给每个任务均衡的成本预算,然后通过MECABP算法在满足任务成本预算限制下优化能耗。通过实验证明,基于具有不同并行程度的三种类型的工业CPS应用,MECABP算法与MECBL和EHBCS算法相比更加高效。