目前,多核实时系统中同步任务的节能调度研究主要针对的是同构多核处理器平台,而异构多核处理器架构能够更有效地发挥系统性能。将现有的研究直接应用于异构多核系统,在保证可调度性的情况下会导致能耗变高。对此,通过使用动态电压与频...目前,多核实时系统中同步任务的节能调度研究主要针对的是同构多核处理器平台,而异构多核处理器架构能够更有效地发挥系统性能。将现有的研究直接应用于异构多核系统,在保证可调度性的情况下会导致能耗变高。对此,通过使用动态电压与频率调节(Dynamic Voltage Frequency Scaling,DVFS)技术,研究异构多核实时系统中基于任务同步的节能调度问题,提出同步感知的最大能耗节省优先算法(Synchronization Aware-Largest Energy Saved First,SA-LESF)。该算法针对所有任务的速度配置进行迭代优化,直至所有任务均达到其最大限度节能的速度配置。此外,进一步提出基于动态松弛时间回收的同步感知最大能耗节省优先算法(Synchronization Aware-Largest Energy Saved First with Dynamic Reclamation,SA-LESF-DR)。该算法在保证实时任务可调度的同时,实施相应的回收策略,进一步降低系统能耗。实验结果表明,SA-LESF与SA-LESF-DR算法在能耗表现上具有优势,在相同任务集下,相比其他算法可节省高达30%的能耗。展开更多
针对多种电机采用的控制器模型也存在不同,电机参数存在多样性,并且针对多种工况下,电机在工作过程中存在参数变化、负载扰动等情况,导致电机参数辨识精度不高、电机-控制器模型失配等问题,提出了一种改进递归最小二乘法(recursive leas...针对多种电机采用的控制器模型也存在不同,电机参数存在多样性,并且针对多种工况下,电机在工作过程中存在参数变化、负载扰动等情况,导致电机参数辨识精度不高、电机-控制器模型失配等问题,提出了一种改进递归最小二乘法(recursive least squares,RLS)算法进行多种工况下多电机参数失配诊断。针对传统的递归最小二乘法在进行在线电机参数辨识时,容易固遗忘因子影响,存在跟随速度慢、抗干扰性差等问题,在原始递归最小二乘法基础上引入了随系统工况变化而变化的“变遗忘因子”,提高电机参数的跟踪速度和抗负载扰动能力;为验证改进后的递归最小二乘法是否具有可靠性、鲁棒性和泛化性,分别设置了5种假设工况,并进行多组实验对比,通过分析电机速度响应、d-q轴电流以及量化分析转矩跟踪和R_(s)参数辨识精度等,验证改进后的算法具有较强的鲁棒性和泛化性;并通过分析性能指标数据,主要包括平均速度、平均q轴电流等,得出改进后算法分析数据的有效性。展开更多
文摘目前,多核实时系统中同步任务的节能调度研究主要针对的是同构多核处理器平台,而异构多核处理器架构能够更有效地发挥系统性能。将现有的研究直接应用于异构多核系统,在保证可调度性的情况下会导致能耗变高。对此,通过使用动态电压与频率调节(Dynamic Voltage Frequency Scaling,DVFS)技术,研究异构多核实时系统中基于任务同步的节能调度问题,提出同步感知的最大能耗节省优先算法(Synchronization Aware-Largest Energy Saved First,SA-LESF)。该算法针对所有任务的速度配置进行迭代优化,直至所有任务均达到其最大限度节能的速度配置。此外,进一步提出基于动态松弛时间回收的同步感知最大能耗节省优先算法(Synchronization Aware-Largest Energy Saved First with Dynamic Reclamation,SA-LESF-DR)。该算法在保证实时任务可调度的同时,实施相应的回收策略,进一步降低系统能耗。实验结果表明,SA-LESF与SA-LESF-DR算法在能耗表现上具有优势,在相同任务集下,相比其他算法可节省高达30%的能耗。
文摘针对多种电机采用的控制器模型也存在不同,电机参数存在多样性,并且针对多种工况下,电机在工作过程中存在参数变化、负载扰动等情况,导致电机参数辨识精度不高、电机-控制器模型失配等问题,提出了一种改进递归最小二乘法(recursive least squares,RLS)算法进行多种工况下多电机参数失配诊断。针对传统的递归最小二乘法在进行在线电机参数辨识时,容易固遗忘因子影响,存在跟随速度慢、抗干扰性差等问题,在原始递归最小二乘法基础上引入了随系统工况变化而变化的“变遗忘因子”,提高电机参数的跟踪速度和抗负载扰动能力;为验证改进后的递归最小二乘法是否具有可靠性、鲁棒性和泛化性,分别设置了5种假设工况,并进行多组实验对比,通过分析电机速度响应、d-q轴电流以及量化分析转矩跟踪和R_(s)参数辨识精度等,验证改进后的算法具有较强的鲁棒性和泛化性;并通过分析性能指标数据,主要包括平均速度、平均q轴电流等,得出改进后算法分析数据的有效性。
