论文部分内容阅读
信息物理融合系统(Cyber-Physical System, CPS)是一种集成了计算、网络和物理过程的新型智能混成系统。任务调度在提高CPS的性能和资源利用率上起到关键作用。然而,CPS的复杂性和异构性导致了任务的多样性和多变性,传统的调度算法已经不能满足CPS的整体性能需求。本文从CPS的体系结构出发,分别在CPS的网络、控制和计算中心三大模块提出了相应的任务调度框架。本文主要工作及成果如下：1.针对基于大规模无线传感器网络的CPS,在传统优先级调度的基础上,提出了满足CPS实时性需求的动态多优先级调度框架(DMPS)。该调度框架利用抢占与非抢占混合的优先级调度保证了系统的实时性,加入等待时间阀值机制保证了不同优先级任务之间的公平性。通过理论分析和实验仿真对算法性能做了评估,结果显示DMPS在整体上要优于传统的抢占式优先级调度和非抢占式优先级调度。2.从反馈控制的角度对CPS进行建模,设计了时延补偿和丢包补偿的CPS控制器,利用矩阵技术分析了时延和丢包对控制器稳定性的影响。提出了CPS控制与调度的协同设计框架,该框架利用调度器、控制器和物理环境/设备之间的的互相反馈增强了系统的抗干扰能力和灵活性。最后针对不同性能需求的CPS应用提出了三种调度算法：稳定性优先调度(SFS)、通信性能优先调度(CPFS)和综合性调度。实验结果显示SFS在稳态误差和不稳定率上均低于固定采样周期调度,CPFS在总传输时延上要优于DMPS,综合性调度在某些条件下的总体性能要优于SFS和CPFS。3.提出了信息物理云(CPC)的基本概念与框架,针对大数据驱动的CPS,通过云服务增强系统的计算能力。对基于公有云的CPS,利用伴随负到达的优先级排队模型分析了负到达率对系统性能的影响,提出了费用最低优先调度(MCFS),实验结果显示MCFS在费用的增长率上要低于固定资源调度；对基于私有云的CPS,利用M/D/C排队模型的理论知识分析了任务的平均响应时间,最后提出了动态配源调度(DRAS)方案来平衡系统性能和计算开销,实验结果显示DRAS在任务平均响应时间和总体费用上要优于固定配源