Delay-Aware Period Assignment in Control Systems
本文考虑优化控制系统的静态周期配置问题,利用采样速率和控制时延一同表征控制代价函数,其中时延是利用近似响应时间分析法来进行估计的,再用控制代价函数来表征控制性能。
一. 应用模型
存在n个独立的控制系统,每个系统包含一个被控对象。每个任务τ有两个参数:实时性参数(描述控制任务如何与调度器和其他任务相互作用),控制参数(描述被控对象,控制器和控制质量)。
1.实时性参数
-
最坏情况下的计算时间C:指一个控制任务执行完成所需的最大时间。假设线性控制器的计算时间通常是可预测的固定值。(控制器的执行时间)
-
任务激活周期T:指两个连续激活之间的时间间隔。通常使用激活的频率f=1/T,(个人理解为采样周期)
-
任务使用率:U=C/T
-
最坏情况下的响应时间R:任务激活到动作完成所需的最大时间(个人理解为最坏情况下端到端时延)
2. 控制参数
v是强度为R1c的连续的高斯白噪声,e是强度为R2的离散的高斯白噪声
控制代价与采样周期、端到端时延的关系:
即:
下图可表征时延和采样周期对控制代价的影响:
二. 周期分配
任务是分配任务的周期使得所有系统的代价最小,即:
2.1 时延建模
job delay:端到端时延
由于无法获知端到端时延,因此第一种方法是假设时延为最坏情况下端到端时延,即Δ=R(注意,这篇文章未采用TSN,故无法获知端到端时延,不得已采用最坏情况下端到端时延;我们在TSN的背景下,可尝试直接使用确定的端到端时延);第二种方法是利用响应时间的近似值,它的平滑性可以使我们解决最小化控制代价的问题。第二种方法表征如下:
如此一来,利用上式代替Δ,可以计算出控制代价最小值。然而,这一方法存在两个缺点:①上式非凸,可能找不到满意的数值解
②考虑的是最坏情况下的,高估了时延对控制系统的影响。因此,可以把时延估计为任务的平均端到端延迟时间:
这种方法假设了高优先级任务得到了与他们使用率U相同的带宽(不是很懂),且上式是凸函数,存在全局最小值。而且也不高估时延。
2.2 解决代价函数最小化问题
令:
有:
存在约束:
总的优化目标与约束:
由于:
因此,总的优化目标可写为:
三. 总结
这篇文章给出了包含时延的控制代价函数,但是这里的时延是用使用率来表示的,与TSN中确定性时延不用。而且,这篇文章把采样周期当作变量?