Delay-Aware Period Assignment in Control Systems

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

1. 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）

2. 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）

3. 任务使用率:U=C/T

4. 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？